在线阅读>>

代码案例 · 参考资料

TensorFlow

Google最近开源了机器学习框架TensorFlow，在很短的时间内就在Github上获得了超过的10K的赞，并且在AI研究者之间引发了很大的反响。本篇主要基于TensorFlow 2.0版本，包含理论与实践（Notebook）等多维度内容，建议阅读本篇之前先浏览 以了解如何搭建开发/实验环境。

Why do I care?

在了解TensorFlow之前，我们首先要搞明白一个问题。作为一个专业的数据科学家，为什么在有了大量现存的数据科学或者机器学习的工具(譬如R,SciKit Learn)之后，还需要关注其他的机器学习框架，笔者窃以为有以下两点：

• TensorFlow中的深度学习部分允许使用者将多个不同的模型或者转化结合到一个模型中，并且同时训练它们。根据TensorFlow设定的不同的OP，你可以同时处理文本、图片和其他的常规的类别或者连续变量。开发者可以方便地同时进行多目标或者多损失函数的训练，而其他很多的机器学习框架并不能在传统的模型建立时候做到这一点。
• TensorFlow中的管道处理方式会成为数据处理的很重要的一个角色。未来，数据处理与机器学习将会在一个框架中同时进行，而TensorFlow正是在向这个方向前行。

Nav |关联导航

About |关于

Contributing

Contributions are what make the open source community such an amazing place to be learn, inspire, and create. Any contributions you make are greatly appreciated.

1. Fork the Project
2. Create your Feature Branch (git checkout -b feature/AmazingFeature)
3. Commit your Changes (git commit -m 'Add some AmazingFeature')
4. Push to the Branch (git push origin feature/AmazingFeature)
5. Open a Pull Request

Acknowledgements

• Awesome-Lists: 📚 Guide to Galaxy, curated, worthy and up-to-date links/reading list for ITCS-Coding/Algorithm/SoftwareArchitecture/AI. 💫 ITCS-编程/算法/软件架构/人工智能等领域的文章/书籍/资料/项目链接精选。

• Awesome-CS-Books: :books: Awesome CS Books/Series(.pdf by git lfs) Warehouse for Geeks, ProgrammingLanguage, SoftwareEngineering, Web, AI, ServerSideApplication, Infrastructure, FE etc. :dizzy:优秀计算机科学与技术领域相关的书籍归档。

Copyright & More |延伸阅读

笔者所有文章遵循知识共享 署名-非商业性使用-禁止演绎4.0国际许可协议，欢迎转载，尊重版权。您还可以前往 NGTE Books 主页浏览包含知识体系、编程语言、软件工程、模式与架构、Web与大前端、服务端开发实践与工程架构、分布式基础架构、人工智能与深度学习、产品运营与创业等多类目的书籍列表：