- mongodb - 在 MongoDB mapreduce 中,如何展平值对象?
- javascript - 对象传播与 Object.assign
- html - 输入类型 ="submit"Vs 按钮标签它们可以互换吗?
- sql - 使用 MongoDB 而不是 MS SQL Server 的优缺点
我最近开始研究深度学习和其他 ML 技术,我开始寻找可以简化构建网络和训练它的过程的框架,然后我发现了 TensorFlow,在该领域几乎没有经验,对我来说,似乎如果使用深度学习,速度是制作大型 ML 系统的一个重要因素,那么为什么谷歌选择 Python 来制作 TensorFlow?把它放在一种可以编译而不是解释的语言上不是更好吗?
相对于 C++ 等语言进行机器学习,使用 Python 有哪些优势?
最佳答案
关于 TensorFlow,最重要的一点是,在大多数情况下,核心不是用 Python 编写的:它是用高度优化的 C++ 和 CUDA(Nvidia 的语言编程 GPU)。反过来,通过使用 Eigen 会发生大部分情况。 (高性能 C++ 和 CUDA 数值库)和 NVidia's cuDNN (一个非常优化的 DNN 库,用于 NVidia GPUs ,用于 convolutions 等功能)。
TensorFlow 的模型是程序员使用“某种语言”(很可能是 Python!)来表达模型。这个模型,用 TensorFlow 结构编写,例如:
h1 = tf.nn.relu(tf.matmul(l1, W1) + b1)
h2 = ...
在 Python 运行时并未实际执行。相反,实际创建的是 dataflow graph这就是说接受特定的输入,应用特定的操作,将结果作为输入提供给其他操作,等等。 此模型由快速 C++ 代码执行,并且在大多数情况下,操作之间的数据永远不会复制回 Python 代码。
然后程序员通过拉动节点来“驱动”该模型的执行——用于训练,通常使用 Python,用于服务,有时使用 Python,有时使用原始 C++:
sess.run(eval_results)
这个 Python(或 C++ 函数调用)使用对 C++ 的进程内调用或 RPC让分布式版本调用 C++ TensorFlow 服务器告诉它执行,然后复制回结果。
话虽如此,让我们重新表述这个问题:为什么 TensorFlow 选择 Python 作为第一个得到良好支持的语言来表达和控制模型的训练?
答案很简单:对于大量数据科学家和机器学习专家来说,Python 可能是最舒适的语言,它也很容易集成和控制 C++ 后端,同时也通用,在谷歌内外广泛使用,并且是开源的。鉴于使用 TensorFlow 的基本模型,Python 的性能并不那么重要,它是天作之合。 NumPy 也是一个巨大的优势使得在 Python 中进行预处理变得很容易——同样具有高性能——然后再将其输入到 TensorFlow 以处理真正占用大量 CPU 的东西。
在表达模型时还存在很多复杂性,而这些模型在执行时并未使用 - 形状推断(例如,如果您执行 matmul(A, B),结果数据的形状是什么?)和自动gradient计算。事实证明,能够用 Python 表达这些内容很好,但我认为从长远来看,它们可能会转移到 C++ 后端,以便更轻松地添加其他语言。
(当然,希望在未来支持其他语言来创建和表达模型。使用其他几种语言运行推理已经非常简单——C++ 现在可以工作了,来自 Facebook 的某人贡献了 Go 绑定(bind)我们现在正在审查,等等)
关于python - TensorFlow,为什么选择 python 语言?,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/35677724/
我想将模型及其各自训练的权重从 tensorflow.js 转换为标准 tensorflow,但无法弄清楚如何做到这一点,tensorflow.js 的文档对此没有任何说明 我有一个 manifest
我有一个运行良好的 TF 模型,它是用 Python 和 TFlearn 构建的。有没有办法在另一个系统上运行这个模型而不安装 Tensorflow?它已经经过预训练,所以我只需要通过它运行数据。 我
当执行 tensorflow_model_server 二进制文件时,它需要一个模型名称命令行参数,model_name。 如何在训练期间指定模型名称,以便在运行 tensorflow_model_s
我一直在 R 中使用标准包进行生存分析。我知道如何在 TensorFlow 中处理分类问题,例如逻辑回归,但我很难将其映射到生存分析问题。在某种程度上,您有两个输出向量而不是一个输出向量(time_t
Torch7 has a library for generating Gaussian Kernels在一个固定的支持。 Tensorflow 中有什么可比的吗?我看到 these distribu
在Keras中我们可以简单的添加回调,如下所示: self.model.fit(X_train,y_train,callbacks=[Custom_callback]) 回调在doc中定义,但我找不到
我正在寻找一种在 tensorflow 中有条件打印节点的方法,使用下面的示例代码行,其中每 10 个循环计数,它应该在控制台中打印一些东西。但这对我不起作用。谁能建议? 谢谢,哈米德雷萨, epsi
我想使用 tensorflow object detection API 创建我自己的 .tfrecord 文件,并将它们用于训练。该记录将是原始数据集的子集,因此模型将仅检测特定类别。我不明白也无法
我在 TensorFlow 中训练了一个聊天机器人,想保存模型以便使用 TensorFlow.js 将其部署到 Web。我有以下内容 checkpoint = "./chatbot_weights.c
我最近开始学习 Tensorflow,特别是我想使用卷积神经网络进行图像分类。我一直在看官方仓库中的android demo,特别是这个例子:https://github.com/tensorflow
我目前正在研究单图像超分辨率,并且我设法卡住了现有的检查点文件并将其转换为 tensorflow lite。但是,使用 .tflite 文件执行推理时,对一张图像进行上采样所需的时间至少是使用 .ck
我注意到 tensorflow 的 api 中已经有批量标准化函数。我不明白的一件事是如何更改训练和测试之间的程序? 批量归一化在测试和训练期间的作用不同。具体来说,在训练期间使用固定的均值和方差。
我创建了一个模型,该模型将 Mobilenet V2 应用于 Google colab 中的卷积基础层。然后我使用这个命令转换它: path_to_h5 = working_dir + '/Tenso
代码取自:- http://adventuresinmachinelearning.com/python-tensorflow-tutorial/ import tensorflow as tf fr
好了,所以我准备在Tensorflow中运行 tf.nn.softmax_cross_entropy_with_logits() 函数。 据我了解,“logit”应该是概率的张量,每个对应于某个像素的
tensorflow 服务构建依赖于大型 tensorflow ;但我已经成功构建了 tensorflow。所以我想用它。我做这些事情:我更改了 tensorflow 服务 WORKSPACE(org
Tensoflow 嵌入层 ( https://www.tensorflow.org/api_docs/python/tf/keras/layers/Embedding ) 易于使用, 并且有大量的文
我正在尝试使用非常大的数据集(比我的内存大得多)训练 Tensorflow 模型。 为了充分利用所有可用的训练数据,我正在考虑将它们分成几个小的“分片”,并一次在一个分片上进行训练。 经过一番研究,我
根据 Sutton 的书 - Reinforcement Learning: An Introduction,网络权重的更新方程为: 其中 et 是资格轨迹。 这类似于带有额外 et 的梯度下降更新。
如何根据条件选择执行图表的一部分? 我的网络有一部分只有在 feed_dict 中提供占位符值时才会执行.如果未提供该值,则采用备用路径。我该如何使用 tensorflow 来实现它? 以下是我的代码
我是一名优秀的程序员,十分优秀!