TensorFlow 基础信息:为什么 TensorFlow 如此受欢迎? 0 个改进

1. 快速响应的结构

你可以很轻松地可视化图的每个部分,这在使用 Numpy 或 SciKit 时是做不到的。

2. 高灵活性

TensorFlow 具有模块性,操作非常灵活,可以让你把希望独立出来的部分分出来。

3. 容易训练

对于分布式计算来说,TensorFlow 很容易在 CPU 和 GPU 上训练。

4. 并行神经网络训练

你可以训练多个神经网络和多个 GPU,这使得模型在大型系统上非常有效。

5. 庞大的社区

TensorFlow 是由 Google 开发的,已经有一个庞大的软件工程师团队在不断地改进稳定性。

6. 开源

TensorFlow 是开源的,只要能连接到互联网,任何人都可以使用它。

7. 特征列

特征列就像是原始数据与估算器之间的媒介,它可以将输入的数据转化成需要的特征样式,以便传入模型进行训练。

h. Availability of Statistical Distributions- 这个库提供了主流的统计分布函数,在包括且不限于Bernoulli,Chi2,Uniform,Dirichlet,Gamma,Beta等分布函数。这些统计分布函数是构建机器学习算法的重要构建模块,特别是像 Bayesian(贝叶斯) 这一类的概率模型。

8. 分层

生成权重和偏差的分层操作,同时提供批量归一化、剔除层、卷积层等。

9. 可视化工具 (使用TensorBoard)

TensorFlow 提供了一个叫做 TensorBoard 的可视化工具来对模型以及训练过程进行可视化描述。你可以使用它来展示模型结构,绘制出关键参数的变化过程图,观察训练过程并根据图形适当调整模型参数。

10. 事件记录器 (使用TensorBoard)

就像 UNIX 一样,你可以使用 tail -f 来监控检查 cmd 的任务输出,而在 Tensorflow 中记录事件,可以通过 TensorBoard 记录事件和摘要,最后以图表的形式展示汇总数据。

本文为 Wiki 文章,邀您参与纠错、纰漏和优化
讨论数量: 0
(= ̄ω ̄=)··· 暂无内容!

讨论应以学习和精进为目的。请勿发布不友善或者负能量的内容,与人为善,比聪明更重要!