组成-TensorFlow-核心的六篇论文

作者：chen_h
微信号 & QQ：862251340
微信公众号：coderpai

---

众所周知，TensorFlow 是一个开源软件库，用于数值计算以及数据流图的使用。换句话说，这是一个非常适合于去构建深度学习模型的计算库。尽管 TensorFlow 是为了进行深度学习而开发的框架，但是该系统可以很普遍的应用于别的其他领域。

这篇文章就是要总结一些与 TensorFlow 框架核心相关的几篇论文和研究：

1. TensorFlow: Large-Scale Machine Learning on Heterogeneous Distributed Systems

“Tensorflow 是一个用于进行机器学习算法的接口，也可以自己去执行一种算法。使用 TensorFlow 系统可以帮助我们节省很多的工作量，而且该系统可以在手机和平板电脑等移动设备上面运行。”

这篇具体的文章描述了 TensorFlow 的接口和谷歌在该系统接口中的一些实现。

下载地址：点击这里

2. TF.Learn: TensorFlow’s High-level Module for Distributed Machine Learning

TF.learn 是 TensorFlow 的一个高层接口，为用户提供了一个简单易用的类似 scikit-learn 风格的界面，可以帮你进一步简化创建，配置，训练，评估以及测试模型的性能。这种高层接口非常适合非专业人士的应用 TensorFlow ，对推广 TensorFlow 是有非常好的效果。

下载地址：点击这里

3. Comparative Study of Deep Learning Software Frameworks

这项研究基本上是在几种不同类型的深度学习框架上面进行的，目的是评估这些框架在单个 CPU 和多个 GPU 上面的性能如何。

这篇论文给你提供了五个深度学习框架的对比研究：TensorFlow，Torch，Caffe，Neon和Theano，主要评估的性能包括三方面：硬件的利用率，可扩展性和运行速度。

下载地址：点击这里

4. Distributed TensorFlow with MPI

在本文中，扩展了最近提出的 MPI 来大规模的部署集群。因为我们只需要对原有的 TensorFlow 应用做非常小的改动，因此这个类似通用的实现，使得对 TensorFlow 的用户越来越友好。

下载地址：点击这里

5. Globally Normalized Transition-Based Neural Networks

本文描述了 SyntaxNet 背后的模型，并引入了归一化的全局神经网络模型，实现了最新的语音标注，依存分析和句子压缩模型。

下载地址：点击这里

6. TensorFlow: A system for large-scale machine learning

这篇特定的论文描述了 TensorFlow 的数据流模型，与所有现有的系统相比，TensorFlow 系统表现出了令人瞩目的性能。

下载地址：点击这里

更多信息，可以查看这个 Github

---

免费公开课 | 一步步 TensorFlow 项目实战

本课程包含如下：
第一课：TensorFlow介绍
第二课：TensorFlow元素介绍
第三课：TensorFlow 实现线性回归
第四课：TensorFlow 实现 SVM
第五课：TensorFlow 实现 KNN
第六课：TensorFlow 实现多层神经网络
第七课：TensorFlow 在NLP中的应用
第八课：TensorFlow 实现 CNN
第九课：TensorFlow 实现 RNN
第十课：TensorFlow 产品化
第十一课：TensorFlow 展望

课程地址：可以关注微信公众号 coderpai，后台回复 TF 获得

---

来源：TechLeer