2019年下半年, tensorflow更新到了2.0版本,对Keras API进行了兼容,使用起来更加方便,可以快速搭建神经网络进行模型计算。最近几年陆续也利用工作之余,学习过一些机器学习和神经网络的书籍,许多内容没有吃透,因此准备整理下之前的材料,作为学习笔记,也和大家一起沟通学习。
TensorFlow虽然在运算速度上并不一定最快,但它有以下优点:
1,流行度高:相比较于其它开源工具keras、MNNet、PyTorch来说流行度更高,因此在学习资料、数据集及案例也会更多,而且随着开源生态的发展会出现更多的算法。
2,工业级工具,tensorflow是google内部机器学习工具,通过支持多GPU以及分布式部署方式处理海量数据,分布式部署的模式,将一个训练任务拆分成多个小任务,配置到不同的计算机上完成协同运算,这样使用计算机群运算来代替单机运算,提高效率。
3,即有高阶TF.KERAS API方便搭建常用模型,也有低阶的函数可以扩展及优化。也就是即适合初学者,也适合资深AI开发者。
首先介绍下TensorFlow2.0的安装,由于GPU版本对硬件要求较高,CPU版本作为学习也足够。以下步骤为基于windows CPU版本安装步骤,mac和linux版本安装类似,GPU版本安装可见官网。
(1)Tensorflow依赖Microsoft Visual C++ 2015 Redistributable Update 3,需要先行安装,以下是安装链接,下载后进行安装;
https://