去年 11 月，Google Brain 團(tuán)隊(duì)發(fā)布了 Eager Execution，一個由運(yùn)行定義的新接口，為 TensorFlow 這一最為流行的深度學(xué)習(xí)框架引入了動態(tài)圖機(jī)制。Eager 的出現(xiàn)使得開發(fā)變得更為直觀，從而讓 TensorFlow 的入門難度大為降低。本文介紹了使用 TensorFlow Eager 構(gòu)建神經(jīng)網(wǎng)絡(luò)的簡單教程。

成都創(chuàng)新互聯(lián)公司專注為客戶提供全方位的互聯(lián)網(wǎng)綜合服務(wù)，包含不限于網(wǎng)站建設(shè)、網(wǎng)站制作、左權(quán)網(wǎng)絡(luò)推廣、小程序開發(fā)、左權(quán)網(wǎng)絡(luò)營銷、左權(quán)企業(yè)策劃、左權(quán)品牌公關(guān)、搜索引擎seo、人物專訪、企業(yè)宣傳片、企業(yè)代運(yùn)營等，從售前售中售后，我們都將竭誠為您服務(wù)，您的肯定，是我們最大的嘉獎；成都創(chuàng)新互聯(lián)公司為所有大學(xué)生創(chuàng)業(yè)者提供左權(quán)建站搭建服務(wù)，24小時服務(wù)熱線：18982081108，官方網(wǎng)址：www.cdcxhl.com

項(xiàng)目鏈接：https://github.com/madalinabuzau/tensorflow-eager-tutorials

本文旨在幫助那些希望通過 TensorFlow Eager 模式獲得深度學(xué)習(xí)實(shí)踐經(jīng)驗(yàn)的人。TensorFlow Eager 可以讓你像使用 Numpy 那樣輕松地構(gòu)建神經(jīng)網(wǎng)絡(luò)，其巨大優(yōu)勢是提供了自動微分(無需再手書反向傳播，(*^▽^*)!)。它還可以在 GPU 上運(yùn)行，使神經(jīng)網(wǎng)絡(luò)訓(xùn)練速度明顯加快。

谷歌大腦的開發(fā)團(tuán)隊(duì)曾表示，Eager Execution 的主要優(yōu)點(diǎn)如下：

• 快速調(diào)試即刻的運(yùn)行錯誤并通過 Python 工具進(jìn)行整合
• 借助易于使用的 Python 控制流支持動態(tài)模型
• 為自定義和高階梯度提供強(qiáng)大支持
• 適用于幾乎所有可用的 TensorFlow 運(yùn)算

我會努力讓每個人都能理解這份教程，因此我將盡量在無需 GPU 處理的前提下解決問題。

教程中使用的 TensorFlow 版本為 1.7 版。

開始

1. 構(gòu)建一個簡單的神經(jīng)網(wǎng)絡(luò)——下圖將教你如何在一個合成生成的數(shù)據(jù)集上用 TensorFlow Eager 模式構(gòu)建和訓(xùn)練一個單隱藏層神經(jīng)網(wǎng)絡(luò)。

2. 在 Eager 模式中使用度量——下圖將教你針對三種不同的機(jī)器學(xué)習(xí)問題(多分類、不平衡數(shù)據(jù)集和回歸)，如何使用與 Eager 模式兼容的度量。

簡單但實(shí)用的知識

3. 保存和恢復(fù)訓(xùn)練好的模型——下圖將教你如何保存訓(xùn)練好的模型并隨后恢復(fù)它以對新數(shù)據(jù)進(jìn)行預(yù)測。

4. 將文本數(shù)據(jù)傳輸?shù)?TFRecords——下圖將教你如何把可變序列長度的文本數(shù)據(jù)存儲到 TFRecords 中。當(dāng)使用迭代器讀取數(shù)據(jù)集時，數(shù)據(jù)可以在批處理中快速填充。

5. 將圖像數(shù)據(jù)傳輸?shù)?TFRecords——下圖將教你如何把圖像數(shù)據(jù)及其元數(shù)據(jù)傳輸?shù)?TFRecords 上。

6. 如何批量讀取 TFRecords 數(shù)據(jù)——下圖將教你如何從 TFRecords 中批量讀取可變序列長度數(shù)據(jù)或圖像數(shù)據(jù)。

卷積神經(jīng)網(wǎng)絡(luò)(CNN)

7. 構(gòu)建一個用于情緒識別的 CNN 模型——下圖將教你使用 TensorFlow Eager API 和 FER2013 數(shù)據(jù)集從零開始構(gòu)建一個 CNN 模型。在完成以后，你將能使用網(wǎng)絡(luò)攝像頭試驗(yàn)自己構(gòu)建的神經(jīng)網(wǎng)絡(luò)，這是一個很棒的嘗試!

 

循環(huán)神經(jīng)網(wǎng)絡(luò)(RNN)

08. 構(gòu)建一個序列分類的動態(tài) RNN——學(xué)習(xí)如何使用可變序列輸入數(shù)據(jù)。下圖將介紹如何使用 TensorFlow Eager API 和 Stanford Large Movie Review Dataset 來構(gòu)建動態(tài) RNN。

09. 構(gòu)建一個時序回歸 RNN——下圖展示了如何為時序預(yù)測構(gòu)建一個 RNN 模型。

【本文是專欄機(jī)構(gòu)“機(jī)器之心”的原創(chuàng)文章，微信公眾號“機(jī)器之心( id: almosthuman2014)”】

當(dāng)前文章：TensorFlow的動態(tài)圖工具Eager怎么用？這是一篇極簡教程
分享鏈接：http://uogjgqi.cn/article/cdssppe.html