作者:zxcvbnm89 | 来源:互联网 | 2023-10-10 09:30
2017年11月,TensorFlow团队发布了EagerExecution,为TensorFlow引入了迟到的动态图机制。2017年12月13日-14日,我有幸参加了在上海举行的
2017年11月,TensorFlow团队发布了Eager Execution,为TensorFlow引入了迟到的动态图机制。
2017年12月13日-14日,我有幸参加了在上海举行的Google开发者大会。
图为大会入口
在大会上,TensoFlow团队也绍了才发布不久的Eager Execution,并进行了比较。(图均为本人拍摄)
大会后在公司做了一次分享,主要是介绍Eager,跑了对比的demo,以下为PPT截图。
下面开始为学习Eager准备环境
使用的Python版本为Python3.6
TensorFlow 为1.9.0rc0 CPU版本,后续的教程都不需要使用GPU
pip3 install tensorflow==1.9.0rc0
Eager 需要单独安装,使用命令安装
pip3 install tf-nightly
安装完成之后,测试是否成功
导入包不报错即为安装成功
Eager模块地址:
https://github.com/tensorflow/tensorflow/tree/master/tensorflow/contrib/eager
官方文档:
https://www.tensorflow.org/programmers_guide/eager
官方说明:
https://ai.googleblog.com/2017/10/eager-execution-imperative-define-by.html
在官方说明中,有一个小的例子来阐明Eager的使用方法
import tensorflow as tf
import tensorflow.contrib.eager as tfe
tfe.enable_eager_execution()
x = [[2.]]
m = tf.matmul(x, x)
效果:
由例子可以看出,我们需要导入eager包之后在程序开头启用eager_execution
tfe.enable_eager_execution()
到这里,整个TensorFlow Eager的实验环境准备好了。
下面说一下整个教程的计划。
整个教程分为十个部分,此篇为第一部分,完整的列表为:
一.安装
二.构建简单的神经网络
三.在Eager模式中使用度量
四.保存和恢复训练好的模型
五.将文本数据传输到 TFRecords
六.将图像数据传输到 TFRecords
七.如何批量读取 TFRecords 数据
八.构建一个用于情绪识别的 CNN 模型
九.构建一个序列分类的动态 RNN模型
十.构建一个时序回归 RNN模型
以上教程主要参考了madalinabuzau的项目,地址为:
madalinabuzau/tensorflow-eager-tutorials
欢迎关注我的微信公众号,名称: AI与安全 微信号:ai_and_sec
本文公众号地址:
https://mp.weixin.qq.com/s?__biz=MzAwNzc4MDgwNQ==&mid=2653124316&idx=1&sn=29ce2c2971d4de593056c640f0cbe733&key=e49ecb77009e7dd9319d7b4534b049dbd86449c044af53013a3a157ecacf1fe3c0766f3d1a079fe78ebd5110525db4d45dad3a7ff3acc261ba36a5d931c2340a4213bbe043d364892d6bafaab3ea0b74 mp.weixin.qq.com