- 授权协议: Apache-2.0
- 开发语言: Python SHELL
- 操作系统: 跨平台
- 软件首页: https://github.com/tensorflow/adanet/
- 软件文档: https://github.com/tensorflow/adanet/blob/master/README.md
- 官方下载: https://github.com/tensorflow/adanet/releases
软件介绍
谷歌开源的 AdaNet 是一个轻量级的基于 TensorFlow 的框架,可以在最少的专家干预下自动学习高质量的模型。
AdaNet 使用了 AdaNet 算法用于训练和部署自适应神经网络 [Cortes et al. ICML 2017]。AdaNet 结合了多个经过训练的子网,以降低设计有效神经网络所固有的复杂性。
AdaNet提供以下特征:
Estimator API,可轻松训练、评估和服务 AdaNet 模型
学习在 TensorFlow 中集成用户定义的子网
用于在单个 train() 调用中搜索子网架构和参数的接口
关于 CPU 和 GPU 的分布式训练(我们正在开发 TPU 支持)
一流的 TensorBoard integration
提供理论学习
按照官方的说法,AdaNet 以最近的强化学习和基于进化的 AutoML 研究为基础,在提供学习保证的同时实现了快速、灵活。更重要的是,AdaNet 提供了一个通用框架,不仅可以学习神经网络架构,还可以学习集成,以获得更好的模型。
遗传算法与工程优化
程润伟 / 清华大学出版社 / 2004-1 / 39.00元
《遗传算法与工程优化》总结了遗传算法在工业工程相关领域应用的前沿进展。全书共分9章:遗传算法基础、组合优化问题、多目标优化问题、模糊优化问题、可靠性设计问题、调度问题、高级运输问题、网络设计与路径问题和制造元设计问题。内容既涵盖了遗传算法在传统优化问题中的新进展,又涉及了目前在供应链和物流研究中相当热门的话题。一起来看看 《遗传算法与工程优化》 这本书的介绍吧!
