TensorFlow2.0基础
01-TensorFlow基础
Tensorflow是什么
Google的开源软件库
采取数据流图,用于数值计算
支持多种平台 - GPU、CPU、 移动设备
最初用于深度学习,变得越来越通用
Tensorflow数据结构
数据流图
线:节点之间的输入输出关系,线上运输张量. tensor:张量- 指代数据
节点:operation (op): 专门运算的操作节点,所有的操作都是一个op,处理数据
只要使用tensorflow的API定义的函数都是OP
节点被分配到各种计算设备上运行
graph: 图 整个的程序结构
本质上是一个分配的内存位置,默认有一个图,所有的tensor 和 op 的内存地址都是一样的。
不同的图内存地址不一样,计算的过程中互不干扰
session: 会话: 运算程序的图 (只能运行一张图,可以在会话中指定图去运行 graph = g)
运行图的结构
分配资源计算
掌握资源(变量、队列、线程)
Tensorflow的特性
高度的灵活性,便于调用函数,也可以写自己的封装
真正的可移植性,在不同的设备上都可以简单运行
产品和科研结合
自动求微分,主要用于反向传播计算
多语言支持,C++, Java , JS, R
性能最优化
Tensorflow的前后端系统
前端系统:定义程序的图的机构
后端系统: 运算图结构
Tensorflow版本变迁
Tensorflow1.0 主要特性
XLA: Accelerate Linear Algebra
提升训练速度58倍
可以在移动设备上运行
引用更高级别的API
tf.layers/ tf.metrics / tf.losses/ tf.keras
Tensorflow调试器
支持docker镜像,引入tensorflow serving 服务
Tensorflow 2.0 主要特性
使用tf.keras 和 eager mode 进行简单模型构建
鲁棒的跨平台模型部署
强大的研究实验
清除了不推荐使用和重复的API
Tensorflow2.0 简化模型开发流程
使用tf.data加载数据
使用tf.keras 构建模型,也可以使用premade estimator 验证模型
使用tensorflow hub进行迁移学习
注: 迁移学习 - 使用一个前人预先训练好的,应用在其他领域的网络作为模型训练的起点,站在前人基础上更进一步,不必重新发明轮子。
使用eager mode 进行运行和调试
使用分发策略进行分布式训练
导出到SavedModel
使用Tensorflow Serve, Tensorflow Lite, Tensorflow.js
Tensorflow 强大的跨平台能力
Tensorflow 服务
直接通过HTTP/ TEST 或 GTPC/协议缓冲区
Tensorflow Lite - Android, iOS 和嵌入式
Tensorflow.js - Javascript 部署
其他语言
Tensorflow vs. Pytorch
入门时间(易用性)
Tensorflow 1.*
静态图 ,构建完之后不可以更改, 效率高
额外概念, 会话,变量,占位符
写样本代码
Tensorflow 2.0
动态图, 构建完之后可以更改, 效率不高,调试容易
Eager mode 直接集成在python中
Pytorch
动态图
numpy扩展,集成在python
"""
不同方式求解 1 + 1/2 + 1/2^2 + 1/2^3 + ...... + 1/2^50
"""
1. tensorflow 1.*求解
import tensorflow as tf
print(tf.version)
x = tf.Variable(0.)
y = tf.Variable(1.)
add_op = x.assign(x + y)
div_op = y.assign(y / 2)
with tf.Session() as sess:
sess.run(tf.global_variables_initializer())
for iteration in range(50):
sess.run(add_op)
sess.run(div_op)
print(x.eval())
2. pytorch 求解
import torch
print(torch.version)
x = torch.Tensor([0.])
y = torch.Tensor([1.])
for iteration in range(50):
x = x + y
y = y / 2
print(x)
3. tensorflow 2.0 求解
import tensorflow as tf
print(tf.version)
x = tf.constant(0.)
y = tf.constant(1.)
for iteration in range(50):
x = x + y
y = y / 2
print(x.numpy())
4. 纯python求解
x = 0
y = 1
for iteration in range(50):
x = x + y
y = y / 2
print(x) # 精度有点不一样
图创建和调试
Tensorflow 1.*
静态图,难以调试, 需要使用tfdbg
Tensorflow 2.0 与 pytorch
动态图,python自带的调试工具
全面性
python缺少少量的功能,使用频次很低
沿维翻转张量 (np.flip, np.flipud, np.fliplr)
检查无穷与非数值张量(np.is_nan, np.is_inf)
快速傅里叶变换 (np.fft)
序列化和部署
Tensorflow 支持更加广泛,多语言,跨平台
pytorch 支持比较简单
醉后不知天在水,满船清梦压星河。
- 分享
- 举报
-
2023-09-28 11:13:27
-
浏览量:5151次2021-06-28 17:29:22
-
浏览量:4705次2021-07-12 13:58:45
-
2023-01-12 11:47:40
-
浏览量:670次2023-09-06 11:12:55
-
浏览量:2273次2019-04-08 17:11:22
-
浏览量:5400次2021-06-22 16:53:40
-
浏览量:614次2023-09-06 17:53:04
-
浏览量:5805次2021-06-28 13:41:26
-
浏览量:3080次2021-07-19 10:11:54
-
浏览量:5227次2021-05-21 17:03:03
-
浏览量:619次2023-07-05 10:15:58
-
浏览量:5547次2021-05-17 16:52:58
-
浏览量:2730次2023-08-28 18:02:28
-
浏览量:2947次2019-05-30 10:14:47
-
浏览量:679次2023-07-20 17:45:54
-
浏览量:11606次2021-05-04 20:20:07
-
浏览量:1796次2018-03-13 18:47:55
-
浏览量:5857次2021-07-30 10:33:41
-
广告/SPAM
-
恶意灌水
-
违规内容
-
文不对题
-
重复发帖
heibai123
感谢您的打赏,如若您也想被打赏,可前往 发表专栏 哦~
举报类型
- 内容涉黄/赌/毒
- 内容侵权/抄袭
- 政治相关
- 涉嫌广告
- 侮辱谩骂
- 其他
详细说明