玩轉(zhuǎn)TensorFlow？你需要知道這30功能
2018-12-04 來源：raincent
TensorFlow 是目前最流行的深度學(xué)習(xí)庫，它是 Google 開源的一款人工智能學(xué)習(xí)系統(tǒng)。Tensor 的意思是張量，代表 N 維數(shù)組;Flow 的意思是流，代表基于數(shù)據(jù)流圖的計算。把 N 維數(shù)字從流圖的一端流動到另一端的過程，就是人工智能神經(jīng)網(wǎng)絡(luò)進(jìn)行分析和處理的過程。
最近，twitter 上有一位 Goolge AI 工程師、Google AI 的積極宣傳者 Paige Bailey (@DynamicWebPaige)總結(jié)了 TensorFlow 的 30 個主要功能，整理如下。
在過去幾年，有關(guān) TensorFlow 的知識系統(tǒng)占據(jù)了我的大腦。與其它一些更新的框架相比，TensorFlow 的功能并不是很多。
我對這個產(chǎn)品投入全心的思考并寫下了我的想法，下面是一條接一條不斷擴(kuò)展的清單。對此，你準(zhǔn)備好了嗎?
1)TensorFlow 擴(kuò)展(TFX)
大家都知道我特別喜歡用 TFX 以及它的全套工具來把機(jī)器學(xué)習(xí)模型部署到生產(chǎn)環(huán)境中。如果你關(guān)心如何使模型保持最新并監(jiān)控它們，那么你可以了解一下這個產(chǎn)品、看看它的論文。
地址是：tensorflow.org/tfx/?hl=zh-cn
2)TensorFlow hub
如果你想在小型數(shù)據(jù)集上訓(xùn)練你的模型，或者提高泛化能力，你會需要使用遷移學(xué)習(xí)。TFHub 模塊使它變得容易，并且可以在 https://tfhub.dev/ 這個開源軟件商店中使用。
TF Hub 的地址是：tensorflow.org/hub/
3)TFX 數(shù)據(jù)驗(yàn)證
如何自動確保用于重新訓(xùn)練模型的數(shù)據(jù)與最初用于訓(xùn)練模型的數(shù)據(jù)具有相同的格式、源、命名約定等。
對于線上訓(xùn)練來說，這是一個量很大的工作!
https://www.tensorflow.org/tfx/data_validation/?hl=zh-cn
4)TFX -TensorFlow 變換
同樣地，你可能希望用于重新訓(xùn)練的數(shù)據(jù)也能被自動進(jìn)行預(yù)處理：對特定特性進(jìn)行歸一化、將字符串轉(zhuǎn)換為數(shù)值等。Transform 不僅可以對單個樣本進(jìn)行這些操作，還能批處理數(shù)據(jù)。
網(wǎng)址是：https://www.tensorflow.org/tfx/transform/?hl=zh-cn
5)TFX 模型分析
我最喜歡用 TensorFlow 模型分析功能去檢查模型的輸入數(shù)據(jù)或者模型推理過程中可能發(fā)生在某一小部分?jǐn)?shù)據(jù)上的問題。我可以用它來仔細(xì)檢查數(shù)據(jù)，以確保所有類別的數(shù)據(jù)都沒有受到負(fù)面影響
網(wǎng)址是：https://www.tensorflow.org/tfx/model_analysis/?hl=zh-cn
6)TFX-服務(wù)
服務(wù)使得部署新算法+實(shí)驗(yàn)變得容易，但是仍然能保持相同的服務(wù)器架構(gòu)+API。它不僅可以直接支持 TensorFlow 上的模型，也可以支持其它模型。
網(wǎng)址是：https://www.tensorflow.org/serving/?hl=zh-cn
7)TensorBoard
TensorBoard 是 TensorFlow 框架上一個非�？犰诺目梢暬ぞ撸彩� TensorFlow 直接自帶的。它可以可視化展現(xiàn)模型運(yùn)行過程中的日志，而且對于標(biāo)量、直方圖、分布、圖、圖像、音頻等都有各自的展示面板。
網(wǎng)址是：https://t.co/CEVbcJTHLP?amp=1
8)TensorFlow Lite (#TFLite)
用 #TFLite 可以在手機(jī)和嵌入式設(shè)備上部署模型。如果你看到安卓手機(jī)上有檢測植物葉子是否有疾病的 APP，或者小型的、具備 AI 技能的機(jī)器人，那么它們很有可能使用了 #TFLite。
網(wǎng)址是：https://t.co/suCsBIeQz4?amp=1
9)TensorFlowJS
這是一個 JavaScript 庫，用于在瀏覽器和 Node.js 上訓(xùn)練和部署 ML 模型。如果你已經(jīng)習(xí)慣了使用 TensorFlow Playground 和 GAN Playground，TFJS 就是它們背后的支撐技術(shù)。TensorFlowJS 的團(tuán)隊也棒極了!
網(wǎng)址：https://js.tensorflow.org/
10)TensorFlow 上的 Swift
Swift 可以在運(yùn)行代碼前，捕獲類型錯誤和形狀不匹配的錯誤，并內(nèi)置了自動微分功能。它帶來了 eager execution 功能，而且讓 TF 的可用性提高了非常多。我還需要多用用這個
網(wǎng)址：https://www.tensorflow.org/swift/
11)Keras
Keras 如今直接集成在 TF 中，也就是 tf.keras。這意味著，如果不想使用低階的模型，那仍然可以用高階 API 的用戶友好性來實(shí)現(xiàn)圖形+模型的構(gòu)建。2.0 版本將會有更多的功能!
網(wǎng)址：https://www.tensorflow.org/guide/keras
12)Tensor2Tensor
Tensor2Tensor 是一個深度學(xué)習(xí)模型和數(shù)據(jù)集的開源軟件庫，它可以讓深度學(xué)習(xí)變得更容易上手，促進(jìn)機(jī)器學(xué)習(xí)的研究。它同時也提供了何時以及為什么要部署這些模型的高級指南。
網(wǎng)址：https://github.com/tensorflow/tensor2tensor
13)XLA(線性代數(shù)計算加速)
XLA 是線性代數(shù)領(lǐng)域特定的編譯器，它優(yōu)化了 TensorFlow 的計算方式。結(jié)果是在計算速度、內(nèi)存使用和移動平臺的可移植性上都有改進(jìn)。
不過你先要有一個硬件加速器啊!
網(wǎng)址：https://www.tensorflow.org/xla/
14)邊緣 TPU
為低功耗 IO 設(shè)備提供高性能機(jī)器學(xué)習(xí)推理的小型專用集成電路。例如：邊緣 TPU 可以執(zhí)行最先進(jìn)的移動視覺模型，如以 100+fps 的速度執(zhí)行 MobileNet V2 模型，同時還非常地省電。
網(wǎng)址：https://cloud.google.com/edge-tpu/
15)Magenta(這里把英文原文留下吧，中文翻譯不知所以……)
作為一個音樂家，Magenta 讓我高興得不得了。
可以將 8 鍵輸入映射到一架 88 鍵鋼琴上、自動創(chuàng)建旋律伴奏、使用機(jī)器學(xué)習(xí)來顯示音樂的視覺效果、轉(zhuǎn)錄曲調(diào)、產(chǎn)生新的聲音等等。
網(wǎng)址：https://magenta.tensorflow.org/
16)種子庫
這個功能也很少看到有人討論
種子庫是一個不斷擴(kuò)展的交互式機(jī)器學(xué)習(xí)示例集合，您可以使用、修改、實(shí)驗(yàn)和補(bǔ)充這些示例來滿足您的需求+用例研究。在種子庫的機(jī)器學(xué)習(xí)項(xiàng)目里面，甚至有關(guān)注公平和偏見的實(shí)例!
種子庫的地址是：https://research.google.com/seedbank/
17)GoogleColab 分析工具
這不是 TensorFlow 特有的工具，但是是一個非常好的工具，我不得不提到它!它是一個交互式的 Python 筆記本，能免費(fèi)使用，可以在 CPU/GPU/TPU 或本地/遠(yuǎn)程后端之間切換!
18)Probability 庫
深度學(xué)習(xí)是很好的，但是，作為一個數(shù)據(jù)科學(xué)家，你可能想告訴你的模型一些特定領(lǐng)域的知識：蒙特卡洛，變分推理，貝葉斯技術(shù)，矢量量化自動編碼器等等。
網(wǎng)址是：https://www.tensorflow.org/probability/
19)模型園
這是一個收藏了大量 GoogleAI 和 TensorFlow 社區(qū)開源模型的大集合，包括了樣本和代碼片段。從樹到神經(jīng)元程序的合成都有。
網(wǎng)址是：https://github.com/tensorflow/models
20)Dopamine
這是一個用于原型化強(qiáng)化學(xué)習(xí)算法的、易于訪問的框架。專注于：實(shí)驗(yàn)的簡單性、靈活性、可靠性和重現(xiàn)性。
備注：谷歌官方還沒有正式發(fā)布這個產(chǎn)品!
網(wǎng)址：https://github.com/google/dopamine
Dopamine 團(tuán)隊甚至開發(fā)了一系列的 GoogleColab 筆記本來展示如何使用這個產(chǎn)品!這種用戶友好的做法也讓框架更加地多變。
網(wǎng)址：https://github.com/google/dopamine/blob/master/dopamine/colab/README.md
21)Nucleus 模塊
Nype 是一個 Python 和 C++代碼庫，旨在使對于常見的基因組學(xué)的數(shù)據(jù)如 SAM 或 VCF 更容易被讀取、寫入和分析。它能與 TensorFlow 完美的集合在一起。
網(wǎng)址：https://github.com/google/nucleus
關(guān)于 2018 TensorFlow 開發(fā)者峰會，請查看 You Tube 視頻：
https://www.youtube.com/watch?v=vdG7uKQ2eKk
22)TensorFlow 研究云(TFRC)
這是 1000 個谷歌云 TPU 的集群，為機(jī)器學(xué)習(xí)研究社區(qū)提供了總計 180 兆帕的計算能力——而且絕對免費(fèi)，為機(jī)器學(xué)習(xí)的下一次突破做出自己的貢獻(xiàn)。
網(wǎng)址：https://www.tensorflow.org/tfrc/
23)TensorFlow 社區(qū)
這不是一個特定的產(chǎn)品，但是它對 TensorFlow 的生態(tài)系統(tǒng)來說至關(guān)重要。
谷歌 AI 對社區(qū)的新關(guān)注點(diǎn)是：以 Edd 為首的功能郵件列表、社交媒體、特殊興趣小組以及 TensorFlow 直接輸入新的/變化的功能。
24)TensorFlow 文檔
你知道我們所有的文件都放在 @ GITHUB 上嗎?歡迎社會各界的貢獻(xiàn)和建議!馬上去問問 @billylamberta 學(xué)習(xí)如何開始吧!
風(fēng)格指南：https://www.tensorflow.org/community/documentation
反饋問題：
https://github.com/tensorflow/tensorflow/issues?q=is%3Aopen+is%3Aissue+label%3Atype%3Adocs
25)Rstats
fly_upside_down、rstudio 和 fchollet 為開發(fā)者創(chuàng)建了一個 R 接口，它使用高級 #Keras+Estimator API，并在需要在較低級別調(diào)整網(wǎng)絡(luò)時提供更多的控制。
甚至有一本書是關(guān)于這個的：https://tensorflow.rstudio.com/
26)AdaNet
用于自適應(yīng)學(xué)習(xí)深層神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)/優(yōu)化權(quán)值的算法。如果您想了解更多關(guān)于自適應(yīng)機(jī)器學(xué)習(xí)內(nèi)核的知識，AdaNet 的教程是一個很好的起點(diǎn)!
相關(guān)地址：https://github.com/tensorflow/adanet
關(guān)于 AdaNet 的論文：https://arxiv.org/abs/1607.01097
27)Lucid
可解釋性，也就是深層神經(jīng)網(wǎng)絡(luò)是怎么做出決策的，這對于道德機(jī)器學(xué)習(xí)和將深度學(xué)習(xí)用于會有顯著影響的場景中是至關(guān)重要的。
https://github.com/tensorflow/lucid 這里有 GoogleColab 的教程、代碼以及 distillpub 的文章
28)概念激活向量測試
類似的道理：大多數(shù)可解釋性方法顯示每個輸入特征(例如，像素)中的重要權(quán)重。相反，TCAV 顯示了高層次概念(例如，顏色、性別、種族)的重要性，即人類如何交流。
網(wǎng)址：https://github.com/tensorflow/tcav
29)Cleverhans
如果你的模型的表現(xiàn)高度取決于輸入數(shù)據(jù)，那么可以通過操縱或污染數(shù)據(jù)來破壞這些模型。在 @goodfellow_ian 的博客上可以看到如何使用 cleverhans 為對抗攻擊的脆弱性評估提供基準(zhǔn)庫!
網(wǎng)址是：https://github.com/tensorflow/cleverhans
30)Rust + Haskell 和 C API 的結(jié)合
我在前面提到過 rstats 支持，并且希望確保也能提到其它社區(qū)項(xiàng)目(TensorFlowSharp 是由 MiguelDigias 創(chuàng)造的)。
可以查看網(wǎng)址：
https://github.com/tensorflow/rust
https://github.com/tensorflow/haskell
https://github.com/migueldeicaza/TensorFlowSharp
via DynamicWebPaige's Twitter
標(biāo)簽： Google 代碼 服務(wù)器 谷歌 開發(fā)者 媒體 網(wǎng)絡(luò) 移動平臺
版權(quán)申明：本站文章部分自網(wǎng)絡(luò)，如有侵權(quán)，請聯(lián)系：west999com@outlook.com
特別注意：本站所有轉(zhuǎn)載文章言論不代表本站觀點(diǎn)！
本站所提供的圖片等素材，版權(quán)歸原作者所有，如需使用，請與原作者聯(lián)系。
