原创力文档- 1、本文档共37页，可阅读全部内容。
- 2、原创力文档（book118）网站文档一经付费（服务费），不意味着购买了该文档的版权，仅供个人/单位学习、研究之用，不得用于商业用途，未经授权，严禁复制、发行、汇编、翻译或者网络传播等，侵权必究。
- 3、本站所有内容均由合作方或网友上传，本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺！文档内容仅供研究参考，付费前请自行鉴别。如您付费，意味着您自己接受本站规则且自行承担风险，本站不退款、不进行额外附加服务；查看《如何避免下载的几个坑》。如果您已付费下载过本站文档，您可以点击 这里二次下载。
- 4、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等，请点击“版权申诉”（推荐），也可以打举报电话：400-050-0827(电话支持时间：9:00-18:30)。
- 5、该文档为VIP文档，如果想要下载，成为VIP会员后，下载免费。
- 6、成为VIP后，下载本文档将扣除1次下载权益。下载后，不支持退款、换文档。如有疑问请联系我们。
- 7、成为VIP后，您将拥有八大权益，权益包括：VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
- 8、VIP文档为合作方或网友上传，每下载1次， 网站将根据用户上传文档的质量评分、类型等，对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
人工智能技术基础
第七章TensorFlow深度学习框架02TensorFlow安装03TensorFlow基础知识04TensorFlow实战01TensorFlow简介
深度学习框架介绍scikit-learn专注于传统的机器学习算法，对常用的机器学习算法进行了封装，包括回归、分类、聚类等方法。Keras是一个用Python编写的高级神经网络API,它能够以TensorFlow,CNTK,或者Theano作为后端运行错误!未找到引用源。。TensorFlow是谷歌推出的深度学习框架，是一个端到端开源机器学习平台。借助TensorFlow，初学者和专家可以轻松创建适用于桌面、移动、网络和云端环境的机器学习模型错误!未找到引用源。。TensorFlow作为后端框架，提供张量运算、微分运算等低层次的运算。Keras作为前端框架，提供了模型级的API。TensorFlow是目前最流行的深度学习框架，本书主要介绍此框架的基础知识和使用。Pytorch也是一个端到端开源机器学习框架。和TensorFlow相比，Pytorch在学术届广泛使用，而TensorFlow在工业界广泛使用。PaddlePaddle（飞桨）以百度的深度学习技术研究和业务应用为基础，是中国首个自主研发、功能完备、开源开放的产业级深度学习平台，集深度学习核心训练和推理框架、基础模型库、端到端开发套件和丰富的工具组件于一体
TensorFlow系统架构CAPI把TensorFlow分割为前端和后端，前端（Python/C++/JavaClient）基于CAPI触发TensorFlow后端程序运行。Traininglibraries和Inferencelibs是模型训练和推导的库函数，为用户开发应用模型使用。DistributedMaster将用户的请求转换为一系列任务的执行。给定一个计算图和操作定义后，它将计算图分解为子图，不同的子图分片运行在不同的设备上。DataflowExecutor处于各个任务中，它接收Master发过来的请求，调度执行子图操作。Kernel为TensorFlow中算法操作的具体实现，如卷积操作，激活操作等。RPC和RDMA为网络层，主要负责传递神经网络算法参数。CPU和GPU为设备层，主要负责神经网络算法中具体的运算操作。
第七章TensorFlow深度学习框架02TensorFlow安装03TensorFlow基础知识04TensorFlow实战01TensorFlow简介
系统要求Python3.5-3.8，若要支持Python3.8，需要使用TensorFlow2.2或更高版本。pip19.0或更高版本。操作系统：Windows7或更高版本（64位）。Ubuntu16.04或更高版本（64位）。macOS10.12.6(Sierra)或更高版本（64位）（不支持GPU）。4.如要使用GPU运算，需要支持CUDA?的显卡（适用于Ubuntu和Windows）。软件版本信息WindowsWindows10，64位Python3.8.xTensorFlow2.4.x
安装方式1：从Python开始下载Python安装文件配置清华镜像安装常用科学计算包安装TensorFlow第一个TensorFlow代码
安装方式2：从Anaconda开始安装Anaconda配置清华镜像源安装TensorFlow第一个TensorFlow代码
第七章TensorFlow深度学习框架02TensorFlow安装03TensorFlow基础知识04TensorFlow实战01TensorFlow简介
张量张量（Tensor）是具有统一类型（称为dtype）的多维数组。所有张量都是不可变的，永远无法更新张量的内容，只能创建新的张量。张量有最重要的2个属性：形状shape：张量的每个维度（轴）的长度（元素数量）数据类型dtype：float32、int32、或者string等
张量0D张量只包含一个数字，有0个维度，又称为标量。rank_0_tensor=tf.constant(4)print(rank_0_tensor)
张量1D张量包含一个一维数组，可以看作由0D张量组成的数组，有1个维度，又称为向量。示例代码如下：rank_1_tensor=tf.constant([2.0,3.0,4.0])print(rank_1_tensor)
张量2D张量可以看作由1D张量组成的数组，有2个维度，又称为矩阵。示例代码如下：rank_2_tensor=tf.constan
文档评论（0）