9.1TensorFlow简介在线视频

大家好

我们现在给大家介绍新的一章TensorFlow基础

这一张我们主要给大家介绍TensorFlow发展历程

以及TensorFlow的特点

应用

TensorFlow1.0和2.0的主要区别

那么最后介绍一下TensorFlow主要的概念和常用的函数

TensorFlow

是由谷歌人工智能团队

谷歌大脑开发和维护的

拥有包括TensorFlowHub TensorFlowLife TensorFlowResearch Cloud

在内的多个项目以及各类应用接口

自2015年11月9日起TensorFlow

依据阿帕奇的授权协议开放了源代码

所以说TensorFlow是一个开源软件库

用于各种感知和语言理解任务的机器学习

目前被五十多个团队用于研究和生产许多

谷歌商业产品

如语言识别

Gmail

谷歌相册和搜索

其中许多产品曾使用过其前任软件

DistBelief

那么TensorFlow的发展里程

我们可以看到是从2015年十一月

谷歌以Apachc Liccnce2.0的开元贤协议发布了TensorFlow

那么标志着TensorFlow的诞生

2016年三月AlphaGo战胜了李世石

激发了人们对人工智能的热情

TensorFlow被人们熟知

2017年二月TensorFlow1.0版本发布

标志着他的稳定版的诞生

那么2019年10月2.0正式发布

那么它的应用在深度学习方面更方便

更成熟

那么

自从2019年10月1日谷歌宣布开源机器学习库TensorFlow2.0

我们就可以自由的去下载 去装 使用

TensorFlow2.0的Alpha版本

2019年初在TensorFlow开发者大会上首次发布

那么经过了七个月的不断的修改然后反馈

然后再进行更新

那么2.0的正式版可谓是千呼万唤始出来了

那么从1.0到2.0

TensorFlow的这个变化

那么从图标上我们可以看的到

原来呢

TF是一个立体的粘在一起的 这样的一个组件

那么到2.0以后呢

把T和F分来

那么它的灵活性会更好一些

并且TensorFlow的SDK呢

在一百多个国家被下载超过一千万次

我们可以看到他应用的非常广泛

那么主要在美国

中国

那么在欧洲的一些地方使用非常的热

TensorFlow的特性来说

我们可以看他有几点

一 它是开源的

我们前面说过阿帕奇的协议

那么他开源了源代码

第二个是

拥有全面灵活的工具库和社区资源生态系统

他对这个模型的创建构建都比较简单

那么随处可靠的去机器学习的生产

另外具有强大的研究实验

TensorFlow也支持许多的平台

比如说 可以在CPU GPU上或者在TPU上都可以运行

也支持很多的操作系统

比如说IOS 安卓或者

Raspberry就是我们的树莓派 都是支持的

他也支持很多的语言

我们常用的Pyhon

除了Python的话

我们可以用Java C++ C# R语言 Go语言等等

它可以部署到anywhere

那么也就说它可以部署到

第一 他可以部署到我们的服务器端

有很好的扩展性

那么也可以部署到边缘计算端

那我们就是边缘的设备上

需要通过我们TensorFlow Lite

也可以集成在我们的JavaScript里面

TensorFlow JS

受到了各种用户的欢迎

他比如说学生 研究员

极客 工程师

开发者或者是发明家 创造者

都相继可以使用TensorFlow

并且TensorFlow里面的内置了一些数据集

比如说关于声音的关于图像的

还有一些结构化的文本的关于翻译的还有关于一些视频的

那么可以通过我们的

TensorFlow的官网

我们可以下载相应的数据集

那么对于初学者和专家

那么借用TensorFlow

可以在桌面移动网络

云端环境下创建机器学习的模型

那么对于我们初学者的话

他可以学习TensorFlow的基础知识

那么用这些知识可以创建一个机器学习的项目

那么针对JavaScript的

可以使用TensorFlow JS

那么来创建新的机器学习模型和部署现有的模型

那么对移动设备的

我们的LoT设备是可以使用TensorFlow Lite

在安卓下面和IOS的一些边缘设备上

嵌入一些我们的模型

那么针对生产的可以通过TensorFlow Extended(TFX)

可以投入机器学习这个流水线

而以进行训练和进行推断

还有一些可以比较快速的

比较集成直接都可以继承到一些平台上

使这些平台具有深度学习的这样的一些功能

下面我们看一些TensorFlow的应用

首先呢 我们可以看的到TensorFlow Lite

使用TensorFlow Lite可以在我们的外部端

进行面部轮廓的一些检测

我们可以看到这样的一个例子

那么也可以通过

TensorFlow Js

他可以做一些

比如说这个

可视化的模型的一些训练

还有可以通过RNN来去实现这个

钢琴的一些演奏

也可以通过Node.js

做一些预测等等

那么像我们谷歌的翻译

通过扫描的话

我们可以实现我们中文英文以及语言之间的翻译

许多语言之间的翻译

那还可以

我们可以看向网易NETEASE

他实现了文档的扫描和文档的是检测

那么这个他可以实时稳定的适应各种场景

那么准确快速的去检测文本

那么他所用的资源还是比较少的

我们在应用上可以看到他有这样的一些案例

比如说我们有可口可乐

通过TensorFlow和机器学习

实现了这个于移动购买凭证的识别

那么还有这个视网膜OTC图像疾病类型的预测

以及航空公司的使用

我们的这个WPS

那么使用TensorFlow的AI的移动的办公

还有是VSCO

倾力打造了"For This Photo"的功能

向用户建议设置这个滤镜

以及一些流利说 airbnb等等

他都会用到TensorFlow进行一些

比如说还有这个推特上面

用TensorFlow进行一些微博的一个排名工作

这个都是比较广泛的

应用于各个方面

这叫我们深度学习的影响

以及我们中国移动使用TensorFlow

来提升网源的割接的成功率

都去做这些

以及客运公司

使用TensorFlow

从他们的这个卫星图像中提取信息

并为客户提供有价值的这个数据

这是

我们TensorFlow使用的一个例子

那么TensorFlow在深度学习方面呢

他也有许多的应用

从2006年Geoffrey Hinton

首次提出了深度学习概念

开启了深度学习的第三次复兴之路