TensorFlow 1.0 把机器学习引入智能手机

标签: tuicool | 发表时间:2017-02-06 00:00 | 作者:
出处:http://itindex.net/admin/pagedetail

点击上方蓝色“网路冷眼”可以订阅哦!

TensorFlow 1.0 是 Google机器学习库的首个主要版本,带来许多革命性的变化,包括了提供移动设备进行高效深度学习的功能

Google的开源深度学习框架TensorFlow已经发布了一个完整版1.0的发布候选版本。

版本1.0不仅改进了机器学习函数的框架,而且让用户使用 Python 和 Java 语言进行TensorFlow 开发更加容易,并改进了调试功能。引入一个新的优化TensorFlow计算的编译器,打开了一扇新的机器学习应用程序的大门,这些App可以运行在智能手机级的硬件。

Python 和 Java 双箭齐发

由于Python是构建和使用机器学习应用程序的最大平台之一,因此TensorFlow 1.0专注于改进Python交互特性。 TensorFlow Python API已经升级,以便TensorFlow使用的语法和隐喻能更好地匹配Python自身,从而在两者之间提供更好的一致性。

坏消息是,这些更改确实打破现有的Python应用程序而无法运行。尽管 TensorFlow的开发人员已经发布了一个脚本,用于将旧格式TensorFlowAPI脚本自动升级到新格式,但脚本无法修复所有问题;可能仍需要根据需要手动调整脚本。

所有Python用户可以在与Python3兼容的Docker镜像中使用TensorFlow。TensorFlow 也可以通过Python的原生软件包管理器pip来安装TensorFlow。这是完成TensorFlow的通用性迈出的巨大步伐,特别是对于那些使用股票Python分布,而不是专门针对数据科学(如Anaconda)。

Java 是机器学习的另一个主要语言平台,但 TensorFlow以前没有一组Java绑定。 1.0版本的框架引入了Java API,但它离完整远远不够,并随时可以改变,你需要能够在Linux或MacOS上从源代码构建TensorFlow。(考虑这进一步的证据,TensorFlow的Windows移植仍然是一个二等公民。)

XLA 驱动移动机器学习

也许TensorFlow 1.0的最大的附加功能不是语言支持特性或新的算法,而是用于TensorFlow计算中的线性代数的实验性编译器--加速线性代数(Accelerated Linear Algebra ,XLA)。它通过生成可以在CPU或GPU上运行的机器代码来加速某些数学运算。现在,XLA只支持Nvidia GPU,但这与GPU支持机器学习应用程序的一般性质是一致的。

XLA还提高了TensorFlow的可移植性,使现有的TensorFlow程序通过简单地创建后端,就可在新的硬件平台上运行而不需修改代码。考虑到IBM将TensorFlow支持添加到其用于机器学习的PowerAI硬件解决方案(混合支持GPU和Power8 CPU)方面,这是一个很大的优势。

TensorFlow的工程师也减少了应用程序的总体内存使用和占用空间。这些优化得到了全面的回报,但对于移动来说,这是一个特别大的优势。以前的TensorFlow版本增加了对Android,iOS和Raspberry Pi硬件平台的支持,允许它在这些设备上执行图像分类等操作。

机器学习的讨论通常涉及高端硬件的驱动力:定制CPU,GPU阵列,FPGA以及云环境提供的大规模环境。但是理论认为,创建在平均智能手机上工作的机器学习模型,而不需要云端后端提供24X7小时支持服务,可以带来新的应用程序。即使这些目标没有完全实现,这项工作将为TensorFlow提供的好处应该值得的努力。

英文原文:

TensorFlow 1.0 unlocks machine learning onsmartphones

http://www.infoworld.com/article/3162413/artificial-intelligence/tensorflow-10-unlocks-machine-learning-on-smartphones.html

作者:Serdar Yegulalp

在微信里长按二维码可以关注公众号“网路冷眼”

相关 [tensorflow 机器学习 智能手机] 推荐:

TensorFlow 1.0 把机器学习引入智能手机

- - IT瘾-tuicool
点击上方蓝色“网路冷眼”可以订阅哦. TensorFlow 1.0 是 Google机器学习库的首个主要版本,带来许多革命性的变化,包括了提供移动设备进行高效深度学习的功能. Google的开源深度学习框架TensorFlow已经发布了一个完整版1.0的发布候选版本. 版本1.0不仅改进了机器学习函数的框架,而且让用户使用 Python 和 Java 语言进行TensorFlow 开发更加容易,并改进了调试功能.

TensorFlow-dev-summit:那些 TensorFlow 上好玩的和黑科技

- - IT瘾-dev
本文属于介绍性文章,其中会介绍许多TensorFlow的新feature和summit上介绍的一些有意思的案例,文章比较长,可能会花费30分钟到一个小时. Google于2017年2月16日(北京时间)凌晨2点在美国加利福尼亚州山景城举办了首届TensorFlow开发者峰会. Google现场宣布全球领先的深度学习开源框架TensorFlow正式对外发布V1.0版本,并保证Google的本次发布版本的API接口满足生产环境稳定性要求.

TensorFlow、MXNet、PaddlePaddle 三个开源库对比

- - IT瘾-dev
【转载请注明出处】 chenrudan.github.io. 从深度学习开始流行,到深度学习框架的迭代,到各类实际应用的出现,不过短短几年时间. 其实发展到现在,各个框架对自己的定位都不相同,硬要说哪个框架最好没什么必要,结合自身需求找到合适的用就够了(实验室的服务器不太方便拿来折腾,本文就不比较运算速度了,可以参考[4][5]).

深度学习利器:TensorFlow实战

- - 孟飞阳的博客
深度学习及TensorFlow简介. 深度学习目前已经被应用到图像识别,语音识别,自然语言处理,机器翻译等场景并取得了很好的行业应用效果. 至今已有数种深度学习框架,如TensorFlow、Caffe、Theano、Torch、MXNet,这些框架都能够支持深度神经网络、卷积神经网络、深度信念网络和递归神经网络等模型.

如何将TensorFlow用作计算框架

- - 神刀安全网
摘要:如果你刚刚接触TensorFlow并想使用其来作为计算框架,那么本文是你的一个很好的选择,阅读它相信会对你有所帮助. Tensorflow可能是最受欢迎,增长最快的机器学习框架. 在 Github拥有超过70000个点赞,并得到Google的支持,不仅拥有比 Linux更多的点赞,还拥有大量的资源.

TensorFlow自动识别验证码(二)

- -
在 使用tensorflow自动识别验证码(一) 这篇文章中,对使用tensorflow自动识别验证码的过程做了简单的了解和编写. 那么今天这篇文章将对上篇文章中代码进行修改用于实现对主流的CMS进行验证码的破解. 先回顾一下 tensorflow 的自动识别验证码的步骤. 由于后面三步基本都是tensorflow自动完成.

机器学习五步走

- - 我爱机器学习
经常会有人问“我该如何在机器学习方面更进一步,我不知道我接下来要学什么了. 一般我都会给出继续钻研教科书的答案. 每当这时候我都会收到一种大惑不解的表情. 但是进步确实就是持续的练习,保持较强的求知欲,并尽你可能的完成具有挑战性的工作. 因为他是为数不多的几种可以让你真真让你获取坚实知识的媒介. 是的,你可以选择选一门课,注册MOOC,参加一些讨论班.

机器学习之路

- - 我爱机器学习
自从答应简二毛博士将自己的机器学习历程和心得分享给大家至今,转眼间半年已经过去了,感谢简博士分享和开源精神的鼓舞,这也正是本系列关于机器学习介绍博客的动力来源. 之前有些网友,师弟们问我,学习机器学习怎么入手,从看什么书开始. 如果你只愿意看一本书,那么推荐Bishop的PRML,全名Pattern Recognition and Machine Learning. 这本书是机器学习的圣经之作,尤其对于贝叶斯方法,介绍非常完善.

Google 人工智能系统 TensorFlow 开源背后

- - TECH2IPO
Google 周一发布人工智能系统 TensorFlow 并宣布开源,TensorFlow 是 Google 耗费心血开发出了第二代人工智能系统,Google 此举并不像表面看来那么简单. 尽管 Google 宣布 TensorFlow 开源,人人皆可使用,但是 Google 掌握着使其成功的大部分因素:大数据、运行软件的高性能的计算机网络和强大的人工智能专家团队.

TensorFlow实战之K-Means聚类算法实践

- - SegmentFault 最新的文章
Google 最近开源了它的第二代人工智能与数值计算库TensorFlow. TensorFlow由Google大脑团队开发,并且能够灵活地运行在多个平台上——包括GPU平台与移动设备中. TensorFlow的核心就是使用所谓的数据流,可以参考Wikipedia上的有关于 Genetic Programming 的相关知识,譬如:.