深度学习原理与TensorFlow实践 课件 第3章 深度学习框架简介.pptx

深度学习原理与TensorFlow实践第三章深度学习框架简介020103其他开源框架TensorFlow特点TensorFlow简介目录 CONTENT课前回顾020103OPTIONOPTIONOPTION深度学习原理深层神经网络简介以及其训练与优化深度学习简介以及其现实意义深度学习的应用领域TensorFlow简介0 1TensorFlow简介 TensorFlow是由谷歌人工智能团队谷歌大脑（Google Brian）为机器学习（Machine Learning，ML）和深度神经网络（Deep Neural Networks，DNN）开发的功能强大的开源软件库。TensorFlow的前身是被称为“第一代机器学习系统”的DistBelief。2015年11月，Google Brain团队在DistBelief的基础上，完成了对“第二代机器学习系统”TensorFlow的开发，并依据Apache2.0开源协议将其代码开源。相较于DistBelief，TensorFlow在性能上有显著改进，灵活性和可移植性也得到增强，能够支持更加广泛的应用。TensorFlow简介 TensorFlow是一个开源的深度学习框架，允许将深度神经网络的计算部署到任意数量的CPU和GPU的服务器、PC或移动设备上，且只利用一个TensorFlow API。在Python中利用NumPy编写神经网络代码是一件很麻烦的事情。一般来说，编写一个简单的具有一个隐藏层的前馈网络大概需要40多行代码，当网络层数增加时，代码的编写会更加困难，且代码执行时间也会更长。TensorFlow的出现使这一切都变得更加简单，因为它封装了大量高效可用的算法及神经网络搭建方面的函数，支持常用的神经网络架构（如递归神经网络、卷积神经网络等），并且拥有完整的数据流向与处理机制。借助TensorFlow，研究人员可以更加方便快捷地进行深度学习的开发与研究。TensorFlow TensorFlow是深度学习领域最受欢迎的框架之一。如图展示了GitHub上关于深度学习框架的一个排名，可以看到TensorFlow的受欢迎程度排名第一，远高于第二名。TensorFlow2017年2月，Tensorflow发布了1.0.0版本，也标志着稳定版的诞生。2019年10月，TensorFlow发布了2.0.0正式版本，此版本相对1.X版本做了较大的改动，更加专注于简单性和易用性。截止目前，TensorFlow已发布到2.3.0版本。TensorFlow2.0的主要特性有：- 通过Keras和eager execution轻松建模。- 在任意平台上的生产环境中进行稳健的模型部署。- 强大的研究实验。- 通过清理废弃的API和减少重复来简化API。TensorFlow特点0 2TensorFlow特点3.便捷性和通用性1.多语言支持2.高度的灵活性5.成熟4.超强的运算性能TensorFlow特点1. 多语言支持 TensorFlow是基于C++语言开发的，并且支持多种语言的调用，如C、Java、Python等。基于C++语言开发保证了TensorFlow的运行效率，对其他编程语言的支持为使用不同开发语言的研究人员提供了便利，节省了大量的开发时间。目前机器学习、深度学习等领域的主流方式是使用Python语言来驱动应用，TensorFlow对Python调用的支持也成为其受欢迎的原因之一。TensorFlow特点2. 高度的灵活性 TensorFlow的核心是计算图，只要能将计算表示为一个数据流图，就可以使用TensorFlow。对用户而言，只需要构建计算图，书写计算的内部循环，就可以通过图上的节点变量控制训练中各个环节的变量。TensorFlow有很多开源的上层库工具供用户使用，极大地减少了代码重复量，另外用户也可在TensorFlow上封装自己的“上层库”。TensorFlow特点3. 便捷性和通用性 TensorFlow生成的模型具有便捷、通用的特点。TensorFlow可以在Mac、Windows、Linux等系统上开发，可以在CPU和GPU上运行，也可在台式机、移动端、服务器、docker容器等终端运行。TensorFlow编译好的模型可以便捷地进行平台移植，使模型应用更加简单。TensorFlow特点4. 超强的运算性能 TensorFlow支持线程、队列和分布式计算，可以让用户将TensorFlow的数据流图上的不同计算元素分配到不同的设备上，也可以根据机器的配置自动选择CPU和GPU运算，最大化地利用硬件资源。TensorFlow特点5. 成熟 目前，TensorFlow的受欢迎度和使用度最高，其框架的成熟度也相对较高。Google的白皮书明确指出，Google内部的大量产品都用到了T