Co to jest Google TensorFlow? Przykłady i samouczki Open-Source

Uczenie maszynowe jest obecnie najgorętszą rzeczą w informatyce. Łatwo jest zrozumieć, dlaczego technologia jest stosowana wszędzie, od samochodów samobieżnych, przez organy ścigania, po prognozy giełdowe.

TensorFlow to projekt Google oparty na uczeniu maszynowym i sieciach neuronowych. Dowiedzmy się, co to jest, jakie jest jego zastosowanie i jak nauczyć się z niego korzystać.

Co to jest TensorFlow?

Nie można w pełni wyjaśnić, czym jest TensorFlow bez uprzedniego zrozumienia, czym jest uczenie maszynowe. Uczenie maszynowe i sieci neuronowe już wpływają na nasze życie 4 Algorytmy uczenia maszynowego, które kształtują twoje życie 4 Algorytmy uczenia maszynowego, które kształtują twoje życie Być może nie zdajesz sobie z tego sprawy, ale uczenie maszynowe jest już wokół ciebie i może wywrzeć zaskakujący wpływ na twoje życie życie. Nie wierzysz mi? Możesz być zaskoczony. na więcej sposobów niż myślisz.

Mówiąc najprościej, uczenie maszynowe to proces uczenia komputerów, w jaki sposób analizować dane i podejmować świadome decyzje na ich temat, bez bezpośredniego programowania. Aby to osiągnąć, szkolimy sieci neuronowe do wykonywania określonych zadań.

TensorFlow to biblioteka sieci neuronowych Google typu open source, opracowana przez zespół Google Brain do szerokiego zakresu zastosowań. Zasadniczo TensorFlow eliminuje potrzebę tworzenia sieci neuronowej od zera. Zamiast tego możesz trenować TensorFlow ze swoim zestawem danych i wykorzystywać wyniki w dowolny sposób.

Do tej pory tak abstrakcyjne. Co możesz zrobić z siecią neuronową? Okazuje się, prawie wszystko!

Znane przykłady TensorFlow

Klasyfikacja obrazu

Wiele samouczków uczenia maszynowego dla początkujących 6 Pomocnych samouczków uczenia się maszyn i kursów, aby uchwycić Essentials 6 Samouczków uczenia się pomocnych i kursów uchwycenia Essentials Nigdy nie było lepszego czasu na zanurzenie się w uczeniu maszynowym. Oto sześć przydatnych zasobów, które pomogą Ci dowiedzieć się o uczeniu maszynowym. użyj klasyfikacji obrazów jako wczesnego przykładowego projektu, aby pomóc w zrozumieniu. Poprzez podawanie obrazów referencyjnych do sieci neuronowej można nauczyć się przewidywać, czy obraz zawiera podobne obiekty.

Aby zobaczyć ten proces w akcji, spójrz na 5-minutowy klasyfikator Darth Vadera Siraja Ravala.

Ten rodzaj komputerowego przesiewania danych jest niezwykle potężny nie tylko do lokalizowania dzikich Dartha Vaderów. TensorFlow jest już używany w analizie obrazów biomedycznych.

Prawie każde pole, które opiera się na analizie dużych ilości danych obrazu, może skorzystać z tej technologii. Jak opisano w oficjalnym filmie wprowadzającym TensorFlow, jest on wykorzystywany do usprawnienia działań ochronnych dla prawie wymarłego Dugong.

Przeniesienie stylu głębokiego zdjęcia

Zdjęcie: luanfujun @ github.com

Oprócz klasyfikacji obrazów, TensorFlow może służyć do dynamicznej zmiany obrazów. Deep Photo Style Transfer został opracowany przez grupę z Cornell University. Projekt przyjmuje obraz wejściowy i obraz stylizacji przed zastosowaniem tego stylu do oryginalnego obrazu - z oszałamiającymi wynikami.

W przykładach wykorzystano mieszankę zautomatyzowanych i ręcznie osiągniętych warstw obrazów, więc jeśli chcesz się tym zająć, warto pogłębić swoje umiejętności Photoshopa przed zagłębieniem się w bibliotece.

Magenta AI Music

Nie jest nam obce używanie komputerów do tworzenia pięknych dzieł sztuki. Idea komputerów wykazujących kreatywność w sposób, który uznajemy za rozpoznawalny, od dawna była marzeniem science fiction. Dzięki bibliotekom sieci neuronowych, takim jak TensorFlow, jest coraz bliżej.

Magenta używa TensorFlow do tworzenia narzędzi dla muzyków. Korzystając z głębokiego uczenia się, Magenta rozszerza narzędzia dostępne dla muzyków, aby otwierać nowe rodzaje miksowania dźwięku, a nawet improwizowane połączenia i reakcje wspomagane maszynowo.

Magenta może być również używana jako samodzielny inteligentny sekwencer. Możliwość korzystania z bibliotek zewnętrznych jest jedną z wielu fantastycznych funkcji CodePen. Tero Parviainen wykorzystał bibliotekę magenta.js do stworzenia swojego pięknego pióra Latent Cycles.

Ustawiając improwizowane pętle generowane przez sieć neuronową obok siebie, Latent Cycles pozwala każdemu tworzyć niepowtarzalne i piękne dźwięki bez wcześniejszej wiedzy muzycznej.

Jak nauczyć się TensorFlow

Uczenie maszynowe jest niezwykle gęstym przedmiotem. Dobra znajomość statystyki, matematyki, programowania i ogólnych danych jest kluczowa dla zrozumienia. To powiedziawszy, TensorFlow ułatwia zdobycie praktycznego doświadczenia nawet jako początkujący. Oficjalny samouczek TensorFlow ma podejście krok po kroku do konfiguracji i użytkowania.

Większość projektów TensorFlow używa języka programowania Python. Jeśli nie znasz języka, istnieje wiele świetnych miejsc do nauki języka Python. Jeśli znasz już JavaScript, TensorFlow ma filmy instruktażowe obejmujące bibliotekę TensorFlow.js.

Te samouczki wraz z bezpłatnym kursem uczenia maszynowego Google Czym jest uczenie maszynowe? Darmowy kurs Google rozkłada go na części Czym jest uczenie maszynowe? Darmowy kurs Google rozkłada go na dobre. Google opracował bezpłatny kurs online, który nauczy Cię podstaw uczenia maszynowego. , są nieocenionym zasobem od dostawców biblioteki.

Inne samouczki TensorFlow

W celu szybkiego, informacyjnego wprowadzenia do TensorFlow i klasyfikatorów obrazów Siraj Raval ma pouczające (i pełne memów) 5-minutowe wprowadzenie.

To jeden z wielu filmów na kanale Siraj na YouTube na temat uczenia maszynowego. Pomiędzy superszybkimi filmami jak ten, a długimi transmisjami na żywo, krok po kroku, jest to świetne miejsce do nauki TensorFlow i uczenia maszynowego w Pythonie.

Koncentrując się na JavaScript i Tensorflow.js, Coding Train zapewnia inne podejście na pełną skalę:

Prowadzący Daniel Shiffman omawia różne przypadki użycia TensorFlow, a jego seria dotycząca uczenia maszynowego jako całości jest jednym z najlepszych darmowych kursów na ten temat.

Projekt dla początkujących: wykrywanie obiektów na żywo

Projekt wykorzystuje rozpoznawanie obiektów na żywo do sterowania automatycznym sortownikiem odpadów. Sprzęt wydaje się być alternatywą dla Raspberry Pi, choć teoretycznie można użyć dowolnego mikrokontrolera. Prawdziwa praca jest wykonywana przy użyciu mieszanki OpenCV i TensorFlow.

Projekt z filmu nie ma dołączonego samouczka. Doskonały artykuł OpenCV i TensorFlow Dat Tran używa tych samych bibliotek, wyjaśniając każdy element jasno. Jako prosty pomysł na małą skalę, który wykorzystuje bibliotekę TensorFlow, projekt tej skali jest idealnym sposobem na rozpoczęcie.

Idąc dalej z uczeniem maszynowym

TensorFlow to niezwykle potężne narzędzie zapewne najważniejszej firmy internetowej. Decyzja o udostępnieniu go jako open source była dużą rzeczą, ponieważ otwiera go na nas wszystkich.

To powiedziawszy, uczenie maszynowe jest niezwykle gęstym przedmiotem. Warto poświęcić trochę czasu na kursy online uczenia maszynowego Te kursy uczenia maszynowego przygotują dla Ciebie ścieżkę kariery Te kursy uczenia maszynowego przygotują dla Ciebie ścieżkę kariery Te doskonałe kursy online uczenia maszynowego pomogą Ci zrozumieć umiejętności potrzebne do rozpoczęcia kariery w uczeniu maszynowym i sztucznej inteligencji. aby w pełni wykorzystać TensorFlow.