人工智能算法与Python大数据 致力于提供深度学习、机器学习、人工智能干货文章,为AI人员提供学习路线以及前沿资讯 23篇原创内容 公众号 点上方人工智能算法与Python大数据获取更多干货 在右上方 ··· 设为星标 ★,第一时间获取资源 仅做学术分享,如有侵权,联系删除 转载于 :Github https://github.com/tensorflow/models,主要内容有利用TensorFlow构建的模型和示例的教程,最新更新是几小时之前。 TensorFlow实现模型 地址: https://github.com/tensorflow/models/blob/master/research 实现模型主要在research中,包含研究人员实施的机器学习模型,每个模型有使用的教程,以及对应的论文链接,一站式服务。 如其中的一个模型: deep convolutional networks for computer vision(用于计算机视觉的深度卷积网络) 包含了几个内容: 1、在TensorFlow中 ImageNet是用于训练图像识别系统的机器学习中的常见学术数据集。此目录中的代码演示了如何使用TensorFlow训练和评估此学术数据集上的一种卷积神经网络(CNN)。特别是,我们演示了如何训练Inception v3体系结构,如下所述: 重新思考计算机视觉的初始架构 Christian Szegedy,Vincent Vanhoucke,Sergey Ioffe,Jonathon Shlens,Zbigniew Wojna http:///abs/1512.00567 对于单帧评估,该网络实现了21.2%的前1和5.6%的前5误差,每个推理的计算成本为50亿乘法,并且使用的参数少于2500万。以下是模型架构的可视化。 模型架构可视化 2、代码说明 有详细的代码使用说明,代码库提供了三个核心二进制文件:
训练过程采用跨多个GPU的同步随机梯度下降。用户可以指定他们希望利用的GPU的数量。同步训练通过将给定批次划分为多个GPU来执行批量分割。 训练设置几乎与使用多GPU卡训练模型一节相同 ,我们已将CIFAR-10模型架构替换为Inception v3。与该设置的主要区别是:
有关TensorFlow-Slim的更多详细信息,请参阅Slim README。请注意,此更高级别的语言仍处于 试验阶段,API可能会随着时间的推移而变化,具体取决于使用情况和后续研究。 3、入门 4、如何从零开始训练 有详细的步骤教你如何从零开始训练:
操作和变量如何放在CPU和GPU上 5、如何在分布式环境中从零开始训练 6、如何评估 7、如何在新任务上微调预训练模型
8、如何构建一个新的再培训数据集 9、培养模型的实践考虑 10、寻找好的超参数 11、调整内存需求 12、故障排除 以上包含了从零开始训练到模型实现以及模型的扩展的所有过程,超详细的步骤,一站式的服务,赶快去学习吧! ---------♥--------- |
|