《TensorFlow技术解析与实战》第三篇提高篇

最新推荐文章于 2021-07-09 13:36:09 发布

人民邮电出版社有限公司

最新推荐文章于 2021-07-09 13:36:09 发布

阅读量80

点赞数

分类专栏： TensorFlow技术解析与实战

本文链接：https://blog.csdn.net/rmyd01/article/details/118604694

版权

TensorFlow技术解析与实战专栏收录该内容

31 篇文章 0 订阅 ¥50.56 ¥99.00

订阅专栏

本文为《TensorFlow技术解析与实战》提高篇，重点讲解在大量数据和复杂模型下如何设计分布式架构，结合Kubernetes、Spark进行训练。同时，介绍TensorFlow的新特性，如XLA、Debugger、移动端应用、Serving和动态计算图Flod，并探讨机器学习的评测体系。通过学习，读者将深入理解TensorFlow的全面应用。

摘要由CSDN通过智能技术生成

第三篇　提高篇

终于学完基础篇和实战篇了，相信读者已经掌握了先阅读论文了解原理，然后复现模型、调整模型，最后用自己的数据训练模型的一整套方法。下面我们进入提高篇，提高篇主要着力于在训练集数据量极大、网络模型极大（也就是参数极多）的情况下，我们应该采用什么样的分布式架构设计，以及如何配合Kubernetes、Spark等工具来做训练。

除此之外，还介绍几个TensorFlow非常有潜力的新特性，如线性代数编译框架XLA、调试工具Debugger、TensorFlow在移动端上的应用、生产环境工具Serving、动态计算图工具Flod等。最后介绍一些机器学习的评测体系。

TensorFlow本身是一把非常好用的锤子，基础篇介绍了锤子的结构，实战篇我们学会了用锤子砸核桃的动作，如果砸的进度非常慢怎么办？用分布式并行，配合分布式集群的管理Kubernetes。如果核桃特别多（训练数据非常多）得无法存储怎么办？用Spark作为访问分布式文件系统上数据的方式。如何优化计算图本身呢？用XLA框架。砸得不对怎么调试呢？用Debugger。如果在手掌上（资源有限的移动端）砸核桃怎么办？有一天要登台表演砸核桃，是不是应该多准备几个砸的姿势（生产环境工具Serving）？砸得好不好如何来评价（机器学习的评测体系）呢？

相信通过对这些内容的学习，读者会对TensorFlow框架的各个方面有更深入的了解。让我们快开始吧，我曾用这篇中的知识面试过很多人，学懂这些知识可能有机会“秒杀”面试官。