内容简介:开源机器学习库 TensorFlow 1.10.1 发布了,本次更新主要是修复了 bug,具体如下: Bug 修复和其他变更 tf.keras: 修复 Cloud TPU 上的 keras。不会再为 Windows 构建新的二进制文件 源码下载 https://github.com...
开源机器学习库 TensorFlow 1.10.1 发布了,本次更新主要是修复了 bug,具体如下:
Bug 修复和其他变更
tf.keras
:修复 Cloud TPU 上的 keras。不会再为 Windows 构建新的二进制文件
源码下载 https://github.com/tensorflow/tensorflow/releases/tag/v1.10.1
TensorFlow 是谷歌的第二代机器学习系统,按照谷歌所说,在某些基准测试中,TensorFlow 的表现比第一代的 DistBelief 快了2倍。
TensorFlow 内建深度学习的扩展支持,任何能够用计算流图形来表达的计算,都可以使用 TensorFlow。任何基于梯度的机器学习算法都能够受益于TensorFlow 的自动分化(auto-differentiation)。通过灵活的 Python 接口,要在 TensorFlow 中表达想法也会很容易。
TensorFlow 对于实际的产品也是很有意义的。将思路从桌面 GPU 训练无缝搬迁到手机中运行。
示例代码:
import tensorflow as tf import numpy as np # Create 100 phony x, y data points in NumPy, y = x * 0.1 + 0.3 x_data = np.random.rand(100).astype(np.float32) y_data = x_data * 0.1 + 0.3 # Try to find values for W and b that compute y_data = W * x_data + b # (We know that W should be 0.1 and b 0.3, but TensorFlow will # figure that out for us.) W = tf.Variable(tf.random_uniform([1], -1.0, 1.0)) b = tf.Variable(tf.zeros([1])) y = W * x_data + b # Minimize the mean squared errors. loss = tf.reduce_mean(tf.square(y - y_data)) optimizer = tf.train.GradientDescentOptimizer(0.5) train = optimizer.minimize(loss) # Before starting, initialize the variables. We will 'run' this first. init = tf.global_variables_initializer() # Launch the graph. sess = tf.Session() sess.run(init) # Fit the line. for step in range(201): sess.run(train) if step % 20 == 0: print(step, sess.run(W), sess.run(b)) # Learns best fit is W: [0.1], b: [0.3]
【声明】文章转载自:开源中国社区 [http://www.oschina.net]
以上所述就是小编给大家介绍的《TensorFlow 1.10.1 发布,谷歌开源机器学习库》,希望对大家有所帮助,如果大家有任何疑问请给我留言,小编会及时回复大家的。在此也非常感谢大家对 码农网 的支持!
猜你喜欢:- 开源机器人自学指南
- Facebook发布机器学习框架PyRobot,助力机器人开源社区
- JavaScript也能玩机器学习――5个开源 JavaScript 机器学习框架
- i春秋社区机器人开源
- 蚂蚁金服开源机器学习工具SQLFlow,机器学习比SQL还简单
- 万里挑一!热门机器学习开源资源最强盘点
本站部分资源来源于网络,本站转载出于传递更多信息之目的,版权归原作者或者来源机构所有,如转载稿涉及版权问题,请联系我们。
大型网站技术架构演进与性能优化
许令波 / 电子工业出版社 / 2018-6 / 79
《大型网站技术架构演进与性能优化》从一名亲历者的角度,阐述了一个网站在业务量飞速发展的过程中所遇到的技术转型等各种问题及解决思路。从技术发展上看,网站经历了Web应用系统从分布式、无线多端、中台到国际化的改造;在解决大流量问题的方向上,涉及了从端的优化到管道到服务端甚至到基础环境优化的各个层面。 《大型网站技术架构演进与性能优化》总结的宝贵经验教训可以帮助读者了解当网站遇到类似问题时,应如何......一起来看看 《大型网站技术架构演进与性能优化》 这本书的介绍吧!