深度學習架構GoogleTensorFlow學習筆記一__深度學習

TensorFlow TensorFlow是 Google基於DistBelief進行研發的第二代 人工智慧 學習系統，其命名來源於本身的運行原理。Tensor（張量）意味著N維數組，Flow（流）意味著基於資料流圖的計算，TensorFlow為張量從流圖的一端流動到另一端計算過程。TensorFlow是將複雜的資料結構傳輸至人工智慧神經網中進行分析和處理過程的系統。 TensorFlow可被用於 語音辨識或 Image Recognition等多項機器深度學習領域，對2011年開發的深度學習基礎架構DistBelief進行了各方面的改進，它可在小到一部智能手機、大到數千台資料中心伺服器的各種裝置上運行。TensorFlow將完全開源，任何人都可以用。 TensorFlow 表達了高層次的機器學習計算，大幅簡化了第一代系統，並且具備更好的靈活性和可延展性。TensorFlow一大亮點是支援異構裝置分散式運算，它能夠在各個平台上自動運行模型，從手機、單個CPU / GPU到成百上千GPU卡組成的分布式系統。
從目前的文檔看，TensorFlow支援CNN、RNN和LSTM演算法，這都是目前在Image，Speech和NLP最流行的深度神經網路模型。
這一次的Google開源深度學習系統TensorFlow在很多地方可以應用，如語音辨識，自然語言理解，電腦視覺，廣告等等。但是，基於以上論點，我們也不能過分誇大TensorFlow這種通用深度學習架構在一個工業界機器學習系統裡的作用。在一個完整的工業界語音辨識系統裡， 除了深度學習演算法外，還有很多工作是專業領域相關的演算法，以及海量資料收集和工程系統架構的搭建。 不過總的來說，這次 Google的開源很有意義，尤其是對於中國的很多創業公司來說，他們大都沒有能力理解並開發一個與國際同步的深度學習系統，所以TensorFlow會大大降低深度學習在各個行業中的應用難度。 先來看下Google的Tensorflow遊樂場 遊樂場的地址是：http://playground.tensorflow.org。神經網路最大的魔力，就在於我們根本不需要想出各種各樣的特徵，用來輸入給機器學習的系統。我們只需要輸入最基本的特徵x1, x2, 只要給予足夠多層的神經網路和神經元，神經網路會自己組合出最有用的特徵。而當我們有了神經網路，我們的系統自己就能學習到哪些特徵是有效、哪些是無效的，這就大大提高了我們解決複雜機器學習問題的能力，簡直是太酷啦。