资讯专栏INFORMATION COLUMN

组成 TensorFlow 核心的六篇论文

Carbs / 2999人阅读

摘要:下载地址点击这里这篇特定的论文描述了的数据流模型,与所有现有的系统相比,系统表现出了令人瞩目的性能。

作者:chen_h
微信号 & QQ:862251340
微信公众号:coderpai
简书地址:http://www.jianshu.com/p/10aa...


众所周知,TensorFlow 是一个开源软件库,用于数值计算以及数据流图的使用。换句话说,这是一个非常适合于去构建深度学习模型的计算库。尽管 TensorFlow 是为了进行深度学习而开发的框架,但是该系统可以很普遍的应用于别的其他领域。

这篇文章就是要总结一些与 TensorFlow 框架核心相关的几篇论文和研究:

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

"Tensorflow 是一个用于进行机器学习算法的接口,也可以自己去执行一种算法。使用 TensorFlow 系统可以帮助我们节省很多的工作量,而且该系统可以在手机和平板电脑等移动设备上面运行。"

这篇具体的文章描述了 TensorFlow 的接口和谷歌在该系统接口中的一些实现。

下载地址:点击这里

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

TF.learn 是 TensorFlow 的一个高层接口,为用户提供了一个简单易用的类似 scikit-learn 风格的界面,可以帮你进一步简化创建,配置,训练,评估以及测试模型的性能。这种高层接口非常适合非专业人士的应用 TensorFlow ,对推广 TensorFlow 是有非常好的效果。

下载地址:点击这里

3. Comparative Study of Deep Learning Software Frameworks

这项研究基本上是在几种不同类型的深度学习框架上面进行的,目的是评估这些框架在单个 CPU 和多个 GPU 上面的性能如何。

这篇论文给你提供了五个深度学习框架的对比研究:TensorFlow,Torch,Caffe,Neon和Theano,主要评估的性能包括三方面:硬件的利用率,可扩展性和运行速度。

下载地址:点击这里

4. Distributed TensorFlow with MPI

在本文中,扩展了最近提出的 MPI 来大规模的部署集群。因为我们只需要对原有的 TensorFlow 应用做非常小的改动,因此这个类似通用的实现,使得对 TensorFlow 的用户越来越友好。

下载地址:点击这里

5. Globally Normalized Transition-Based Neural Networks

本文描述了 SyntaxNet 背后的模型,并引入了归一化的全局神经网络模型,实现了最新的语音标注,依存分析和句子压缩模型。

下载地址:点击这里

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

这篇特定的论文描述了 TensorFlow 的数据流模型,与所有现有的系统相比,TensorFlow 系统表现出了令人瞩目的性能。

下载地址:点击这里

更多信息,可以查看这个 Github


免费公开课 | 一步步 TensorFlow 项目实战

本课程包含如下:

第一课:TensorFlow介绍

第二课:TensorFlow元素介绍

第三课:TensorFlow 实现线性回归

第四课:TensorFlow 实现 SVM

第五课:TensorFlow 实现 KNN

第六课:TensorFlow 实现多层神经网络

第七课:TensorFlow 在NLP中的应用

第八课:TensorFlow 实现 CNN

第九课:TensorFlow 实现 RNN

第十课:TensorFlow 产品化

第十一课:TensorFlow 展望

课程地址:可以关注微信公众号 coderpai,后台回复 TF 获得

作者:chen_h
微信号 & QQ:862251340
简书地址:http://www.jianshu.com/p/10aa...

CoderPai 是一个专注于算法实战的平台,从基础的算法到人工智能算法都有设计。如果你对算法实战感兴趣,请快快关注我们吧。加入AI实战微信群,AI实战QQ群,ACM算法微信群,ACM算法QQ群。长按或者扫描如下二维码,关注 “CoderPai” 微信号(coderpai)


文章版权归作者所有,未经允许请勿转载,若此文章存在违规行为,您可以联系管理员删除。

转载请注明本文地址:https://www.ucloud.cn/yun/41079.html

相关文章

  • Jeff Dean「Hot Chips 2017」演讲:AI对计算机系统设计的影响

    摘要:谷歌也不例外,在大会中介绍了人工智能近期的发展及其对计算机系统设计的影响,同时他也对进行了详细介绍。表示,在谷歌产品中的应用已经超过了个月,用于搜索神经机器翻译的系统等。此外,学习优化更新规则也是自动机器学习趋势中的一个信号。 在刚刚结束的 2017 年国际高性能微处理器研讨会(Hot Chips 2017)上,微软、百度、英特尔等公司都发布了一系列硬件方面的新信息,比如微软的 Projec...

    explorer_ddf 评论0 收藏0
  • PyTorch一周年战绩总结:是否比TensorFlow来势凶猛?

    摘要:截止到今天,已公开发行一周年。一年以来,社区中的用户不断做出贡献和优化,在此深表感谢。所以与衡量它的指标包括在机器学习研究论文中的使用。来自香港科技大学的在上推出了面向普通观众的在线课程。 Yann LeCun Twitter截止到今天,PyTorch 已公开发行一周年。一年以来,我们致力于打造一个灵活的深度学习研究平台。一年以来,PyTorch 社区中的用户不断做出贡献和优化,在此深表感谢...

    ymyang 评论0 收藏0
  • 机器学习研究趋势分析:TensorFlow已超越Caffe成研究最常用框架

    摘要:深度学习框架作为热身,我们先看一下深度学习框架。在年有急剧的增长,但在过去几个月被超越。 你是否使用过 Google Trends?相当的酷,你在里面输入关键词,看一下谷歌搜索中这一词条如何随时间变化的。我想,过去 5 年中 arxiv-sanity 数据库中刚好有 28303 篇机器学习论文,为什么不做一些类似的工作,看一下过去 5 年机器学习研究有何进化?结果相当的有趣,所以我把它贴了出...

    buildupchao 评论0 收藏0
  • 一起学习tensorflow(一)

    摘要:什么是深度学习深度学习是机器学习的一种特殊形式,涉及训练具有多层单元的神经网络。常见的误解深度学习是一个很大程度上取代机器学习的新领域。 高屋建瓴,统领全局,学习tensorflow。 对现在的职业人士来说,学生时期的知识,对现在的自己来说,似乎看起来简单了很多,但是自己却并没有去深入学习,能够更好理解的原因就在于:知道了更多周边信息,对知识的理解有了前因后果参照物。 所以我把学习...

    pepperwang 评论0 收藏0

发表评论

0条评论

最新活动
阅读需要支付1元查看
<