×

组成 TensorFlow 核心的六篇论文

96
chen_h
2017.12.16 13:24* 字数 882

众所周知,TensorFlow 是一个开源软件库,用于数值计算以及数据流图的使用。换句话说,这是一个非常适合于去构建深度学习模型的计算库。尽管 TensorFlow 是为了进行深度学习而开发的框架,但是该系统可以很普遍的应用于别的其他领域。

这篇文章就是要总结一些与 TensorFlow 框架核心相关的几篇论文和研究:

1. TensorFlow: Large-Scale Machine Learning on Heterogeneous Distributed Systems

"Tensorflow 是一个用于进行机器学习算法的接口,也可以自己去执行一种算法。使用 TensorFlow 系统可以帮助我们节省很多的工作量,而且该系统可以在手机和平板电脑等移动设备上面运行。"

这篇具体的文章描述了 TensorFlow 的接口和谷歌在该系统接口中的一些实现。

下载地址:点击这里

2. TF.Learn: TensorFlow's High-level Module for Distributed Machine Learning

TF.learn 是 TensorFlow 的一个高层接口,为用户提供了一个简单易用的类似 scikit-learn 风格的界面,可以帮你进一步简化创建,配置,训练,评估以及测试模型的性能。这种高层接口非常适合非专业人士的应用 TensorFlow ,对推广 TensorFlow 是有非常好的效果。

下载地址:点击这里

3. Comparative Study of Deep Learning Software Frameworks

这项研究基本上是在几种不同类型的深度学习框架上面进行的,目的是评估这些框架在单个 CPU 和多个 GPU 上面的性能如何。

这篇论文给你提供了五个深度学习框架的对比研究:TensorFlow,Torch,Caffe,Neon和Theano,主要评估的性能包括三方面:硬件的利用率,可扩展性和运行速度。

下载地址:点击这里

4. Distributed TensorFlow with MPI

在本文中,扩展了最近提出的 MPI 来大规模的部署集群。因为我们只需要对原有的 TensorFlow 应用做非常小的改动,因此这个类似通用的实现,使得对 TensorFlow 的用户越来越友好。

下载地址:点击这里

5. Globally Normalized Transition-Based Neural Networks

本文描述了 SyntaxNet 背后的模型,并引入了归一化的全局神经网络模型,实现了最新的语音标注,依存分析和句子压缩模型。

下载地址:点击这里

6. TensorFlow: A system for large-scale machine learning

这篇特定的论文描述了 TensorFlow 的数据流模型,与所有现有的系统相比,TensorFlow 系统表现出了令人瞩目的性能。

下载地址:点击这里

更多信息,可以查看这个 Github


免费公开课 | 一步步 TensorFlow 项目实战

本课程包含如下:
第一课:TensorFlow介绍
第二课:TensorFlow元素介绍
第三课:TensorFlow 实现线性回归
第四课:TensorFlow 实现 SVM
第五课:TensorFlow 实现 KNN
第六课:TensorFlow 实现多层神经网络
第七课:TensorFlow 在NLP中的应用
第八课:TensorFlow 实现 CNN
第九课:TensorFlow 实现 RNN
第十课:TensorFlow 产品化
第十一课:TensorFlow 展望

课程地址:可以关注微信公众号 coderpai,后台回复 TF 获得


来源:TechLeer

Tensorflow
Web note ad 1