原标题:教程 | 一招教你使用 tf.keras 和 eager execution 解决复杂问题
作者:Yash Katariya
参与:乾树、王淑婷
本文作者利用 TensorFlow 的两个最新 API(tf.keras 和 eager execution)解决了四类复杂问题:文本生成、生成对抗网络、神经网络机器翻译、图片标注。文中对此进行了详细描述,并附上其 notebook 地址。
生成模型和序列模型总是令我着迷:它们提出的问题与我们初学机器学习时常遇到的问题不同。刚开始学习 ML 时,和很多人一样,我学的是分类和回归。这些可以帮助我们提出并回答以下问题:
图片里是猫还是狗?(分类)
明天有多大概率会下雨?(回归)
分类和回归是非常值得掌握的技能,并且几乎可以无限将这两者用于现实问题。但是,我们可能会提出其它类型的问题,这些问题与之前的十分不同。
能作诗吗?(文本生成)
能生成一张猫的图片吗?(生成对抗网络)
能翻译句子吗?(神经网络机器翻译)
能根据图片生成标题吗?(图片标注)
在暑期实习期间,我使用 TensorFlow 的两个最新 API(tf.keras 和 eager execution)开发了这些示例,以下是分享内容。希望你们能觉得它们有用,有趣!
Eager execution 是一个由运行定义的命令式接口,一旦从 Python 调用,其操作将被立即执行。这使得入门 TensorFlow 变得更简单,也使研发更直观。
tf.keras 是一个高级 API,用于定义具有类