云水木石

随着TensorFlow 2.0 alpha的发布，TensorFlow.js更新到首个正式版本1.0，TensorFlow的官网也增加了TensorFlow.js的文档，这说明TensorFlow.js不再是一个试验品。作为一名浏览器内核研发工程师，对TensorFlow.j…

Keras是一个非常受欢迎的构建和训练深度学习模型的高级API。它用于快速原型设计、最前沿的研究以及产品中。虽然现在的TensorFlow已经支持Keras，在2.0中，我们将Keras更紧密地集成到TensorFlow平台。 将Keras作为TensorFlow的高级API，…

在上一部分中，我写了一些非常重要的关于使用Tensorflow构建机器学习模型的核心理论概念。 Tensorflow的核心组件是张量和计算图（或数据流图）。Tensorflow只是一个将运算表示为计算图的框架。然后Tensorflow将图划分为许多彼此独立的子图，这些子图并行执…

众所周知，机器学习代码很难调试。就连简单的前馈神经网络，您也经常需要围绕网络架构、权重值初始化和网络优化做出决策 - 所有这些都可能导致机器学习代码中隐藏BUG。 代码永远不会崩溃、引发异常，甚至变慢。 网络持续训练，损失仍在不断减少。 几个小时后会收敛，但结果却很糟糕。 您可…

移除了全连接层，而采用全局平均池化层(global average pooling)代替，大量减少参数数量，所以相对于AlexNet和VGGNe这种巨型模型，其需要训练的参数少得多，可以节约大量内存。 采用了微架构，而到目前为止，我们接触到的模型都是序列(sequential)…

在最近的一篇文章中，我们提到，TensorFlow 2.0经过重新设计，重点关注开发人员的工作效率、简单性和易用性。 要深入了解所改变的内容及应用最佳实践，请查看新的Effective TensorFlow 2.0指南（发布在GitHub上）。本文简要概述那份指南里的内容。如果…

在机器学习项目中，如果使用的是比较小的数据集，数据集的处理上可以非常简单：加载每个单独的图像，对其进行预处理，然后输送给神经网络。但是，对于大规模深度学习数据集(例如ImageNet)，我们需要创建一次只访问一部分数据集的数据生成器(比如mini batch)，然后将小批量数据…

在《站在巨人的肩膀上：迁移学习》一文中，我们谈到了一种迁移学习方法：将预训练的卷积神经网络作为特征提取器，然后使用一个标准的机器学习分类模型（比如Logistic回归），以所提取的特征进行训练，得到分类器，这个过程相当于用预训练的网络取代上一代的手工特征提取方法。这种迁移学习方…