組成 TensorFlow 核心的六篇論文

Carbs 發(fā)布于2019-07-30 15:09 / 3153人閱讀

摘要：下載地址點(diǎn)擊這里這篇特定的論文描述了的數(shù)據(jù)流模型，與所有現(xiàn)有的系統(tǒng)相比，系統(tǒng)表現(xiàn)出了令人矚目的性能。

作者：chen_h
微信號(hào) & QQ：862251340
微信公眾號(hào)：coderpai
簡(jiǎn)書地址：http://www.jianshu.com/p/10aa...

眾所周知，TensorFlow 是一個(gè)開源軟件庫，用于數(shù)值計(jì)算以及數(shù)據(jù)流圖的使用。換句話說，這是一個(gè)非常適合于去構(gòu)建深度學(xué)習(xí)模型的計(jì)算庫。盡管 TensorFlow 是為了進(jìn)行深度學(xué)習(xí)而開發(fā)的框架，但是該系統(tǒng)可以很普遍的應(yīng)用于別的其他領(lǐng)域。

這篇文章就是要總結(jié)一些與 TensorFlow 框架核心相關(guān)的幾篇論文和研究：

1. TensorFlow: Large-Scale Machine Learning on Heterogeneous Distributed Systems

"Tensorflow 是一個(gè)用于進(jìn)行機(jī)器學(xué)習(xí)算法的接口，也可以自己去執(zhí)行一種算法。使用 TensorFlow 系統(tǒng)可以幫助我們節(jié)省很多的工作量，而且該系統(tǒng)可以在手機(jī)和平板電腦等移動(dòng)設(shè)備上面運(yùn)行。"

這篇具體的文章描述了 TensorFlow 的接口和谷歌在該系統(tǒng)接口中的一些實(shí)現(xiàn)。

下載地址：點(diǎn)擊這里

2. TF.Learn: TensorFlow"s High-level Module for Distributed Machine Learning

TF.learn 是 TensorFlow 的一個(gè)高層接口，為用戶提供了一個(gè)簡(jiǎn)單易用的類似 scikit-learn 風(fēng)格的界面，可以幫你進(jìn)一步簡(jiǎn)化創(chuàng)建，配置，訓(xùn)練，評(píng)估以及測(cè)試模型的性能。這種高層接口非常適合非專業(yè)人士的應(yīng)用 TensorFlow ，對(duì)推廣 TensorFlow 是有非常好的效果。

下載地址：點(diǎn)擊這里

3. Comparative Study of Deep Learning Software Frameworks

這項(xiàng)研究基本上是在幾種不同類型的深度學(xué)習(xí)框架上面進(jìn)行的，目的是評(píng)估這些框架在單個(gè) CPU 和多個(gè) GPU 上面的性能如何。

這篇論文給你提供了五個(gè)深度學(xué)習(xí)框架的對(duì)比研究：TensorFlow，Torch，Caffe，Neon和Theano，主要評(píng)估的性能包括三方面：硬件的利用率，可擴(kuò)展性和運(yùn)行速度。

下載地址：點(diǎn)擊這里

4. Distributed TensorFlow with MPI

在本文中，擴(kuò)展了最近提出的 MPI 來大規(guī)模的部署集群。因?yàn)槲覀冎恍枰獙?duì)原有的 TensorFlow 應(yīng)用做非常小的改動(dòng)，因此這個(gè)類似通用的實(shí)現(xiàn)，使得對(duì) TensorFlow 的用戶越來越友好。

下載地址：點(diǎn)擊這里

5. Globally Normalized Transition-Based Neural Networks

本文描述了 SyntaxNet 背后的模型，并引入了歸一化的全局神經(jīng)網(wǎng)絡(luò)模型，實(shí)現(xiàn)了最新的語音標(biāo)注，依存分析和句子壓縮模型。

下載地址：點(diǎn)擊這里

6. TensorFlow: A system for large-scale machine learning

這篇特定的論文描述了 TensorFlow 的數(shù)據(jù)流模型，與所有現(xiàn)有的系統(tǒng)相比，TensorFlow 系統(tǒng)表現(xiàn)出了令人矚目的性能。

下載地址：點(diǎn)擊這里

更多信息，可以查看這個(gè) Github

免費(fèi)公開課 | 一步步 TensorFlow 項(xiàng)目實(shí)戰(zhàn)

本課程包含如下：

第一課：TensorFlow介紹

第二課：TensorFlow元素介紹

第三課：TensorFlow 實(shí)現(xiàn)線性回歸

第四課：TensorFlow 實(shí)現(xiàn) SVM

第五課：TensorFlow 實(shí)現(xiàn) KNN

第六課：TensorFlow 實(shí)現(xiàn)多層神經(jīng)網(wǎng)絡(luò)

第七課：TensorFlow 在NLP中的應(yīng)用

第八課：TensorFlow 實(shí)現(xiàn) CNN

第九課：TensorFlow 實(shí)現(xiàn) RNN

第十課：TensorFlow 產(chǎn)品化

第十一課：TensorFlow 展望

課程地址：可以關(guān)注微信公眾號(hào) coderpai，后臺(tái)回復(fù) TF 獲得

作者：chen_h
微信號(hào) & QQ：862251340
簡(jiǎn)書地址：http://www.jianshu.com/p/10aa...

CoderPai 是一個(gè)專注于算法實(shí)戰(zhàn)的平臺(tái)，從基礎(chǔ)的算法到人工智能算法都有設(shè)計(jì)。如果你對(duì)算法實(shí)戰(zhàn)感興趣，請(qǐng)快快關(guān)注我們吧。加入AI實(shí)戰(zhàn)微信群，AI實(shí)戰(zhàn)QQ群，ACM算法微信群，ACM算法QQ群。長(zhǎng)按或者掃描如下二維碼，關(guān)注 “CoderPai” 微信號(hào)（coderpai）