0
| 本文作者： AI研習社 | 2017-02-16 19:53 |
隨著谷歌2015年發(fā)布開源人工智能系統(tǒng)TensorFlow，讓本就如火如荼的深度學習再添一把火，截至現(xiàn)在，TensorFlow已經(jīng)歷了多個版本演進，功能不斷完善，AI開發(fā)者也能靈活自如的運用TensorFlow解決一些實際問題，下面雷鋒網(wǎng)會對一些比較實用的TensorFlow應(yīng)用做相關(guān)整理，讓大家對TensorFlow有理性和感性的雙層認知。
對人類而言，區(qū)分畫面、圖像就如同與生俱來一樣簡單，例如我們能夠輕松的識別老虎與雄獅的區(qū)別，但如果把這個問題交給計算機看上去并不簡單。
在過去幾年里，機器學習在解決這些難題方面取得了巨大的進步。其中，我們發(fā)現(xiàn)一種稱為深度卷積神經(jīng)網(wǎng)絡(luò)的模型在困難的視覺識別任務(wù)中取得了理想的效果 —— 達到人類水平，在某些領(lǐng)域甚至超過。下面這篇文章雷鋒網(wǎng)重點整理了TensorFlow在圖像識別中的應(yīng)用，看計算機如何識別圖像。
地址：http://www.csdn.net/article/2015-12-16/2826496
除了認識TensorFlow在圖像識別中的應(yīng)用，關(guān)于如何搭建圖像識別系統(tǒng)雷鋒網(wǎng)也有相關(guān)教程：
一根優(yōu)秀的黃瓜應(yīng)該具備什么素質(zhì)？相信這是很多人不可描述的問題，而對于黃瓜農(nóng)場主而言，同一個品種的黃瓜可以根據(jù)顏色、刺、體態(tài)等因素分成9類，但分檢工作對于人來說恰好是一個枯燥繁瑣的過程。
一位日本農(nóng)場主 Makoto 為解決這一難題，利用TensorFlow制作了一款黃瓜分類機，通過機器就能夠完成黃瓜的分類工作，但識別準確率目前只有70%，Makoto 目前正打算使用谷歌的云機器學習（Cloud Machine Learning）平臺，來進一步改善他的黃瓜分類機。
地址：http://m.ozgbdpf.cn/news/201609/dHgxLbz96OQqVN8z.html（來源雷鋒網(wǎng)）
本文將詳細介紹如何通過TensorFlow搭建圖像分類器，從安裝、優(yōu)化、編碼、和使用等方面手把手教你用TensorFlow搭建圖像分類器。
地址：http://m.ozgbdpf.cn/news/201702/JdaLcpYO59zTTF06.html
風格遷移（Style Transfer）是深度學習眾多應(yīng)用中非常有趣的一種，如圖，我們可以使用這種方法把一張圖片的風格“遷移”到另一張圖片上，但原始的風格遷移的速度是非常慢的。在GPU上，生成一張圖片都需要10分鐘左右，而如果只使用CPU而不使用GPU運行程序，甚至需要幾個小時。這個時間還會隨著圖片尺寸的增大而迅速增大，那么能否實現(xiàn)使用Tensorflow實現(xiàn)快速風格遷移？
地址：http://m.ozgbdpf.cn/news/201701/tGlVRXWShwe7ffHW.html
當前互聯(lián)網(wǎng)每天都在產(chǎn)生大量的文本和音頻數(shù)據(jù)，通過挖掘這些數(shù)據(jù)，我們可以做一些更加便捷的應(yīng)用，例如機器翻譯、語音識別、詞性標注以及信息檢索等，這些都屬于NLP范疇。而在NLP領(lǐng)域中，語言模型是最基本的一個環(huán)節(jié)，本文主要圍繞語言模型展開，首先介紹其基本原理，進而引出詞向量(word2vec)、循環(huán)神經(jīng)網(wǎng)絡(luò)(RNN)、長短時記憶網(wǎng)絡(luò)(LSTM)等深度學習相關(guān)模型，并詳細介紹如何利用 TensorFlow 實現(xiàn)上述模型。
地址：http://blog.csdn.net/frankiegu/article/details/52133763
生活中經(jīng)常會遇到圖片缺失問題，設(shè)計師和攝影師用內(nèi)容自動填補來補充圖像中不想要的或缺失的部分，本文將介紹通過一個 DCGAN 用深度學習進行圖像修復(fù)。
地址：http://blog.csdn.net/whiteboy1999/article/details/53727376?locationNum=1&fps=1
本篇文章驗證了卷積神經(jīng)網(wǎng)絡(luò)應(yīng)用于圖像分割領(lǐng)域時存在的一個問題——粗糙的分割結(jié)果。根據(jù)像素間交叉熵損失的定義，我們在簡化的場景下進行了模型的訓練，并使用后向傳播來更新權(quán)重。我們使用條件隨機場（CRFs）來解決分割結(jié)果粗糙的問題，并取得了很好的效果。
地址：https://yq.aliyun.com/articles/67189?spm=5176.8067842.tagmain.47.W3YH1h
由于在現(xiàn)實世界里，單機訓練大型神經(jīng)網(wǎng)絡(luò)的速度非常緩慢，這就需要運行分布式TensorFlow集群并行化的訓練模型。但是TensorFlow本身只是計算框架，要將其應(yīng)用在生產(chǎn)環(huán)境，還是需要集群管理工具的資源調(diào)度，監(jiān)控以及生命周期管理等能力。
本文將分兩個部分介紹如何在阿里云容器服務(wù)上玩轉(zhuǎn)TensorFlow訓練集群。
第一部分：https://yq.aliyun.com/articles/68337?spm=5176.100239.blogcont60894.15.tOeTKV
第二部分：https://yq.aliyun.com/articles/60894?spm=5176.8067842.tagmain.29.W3YH1h
雷峰網(wǎng)原創(chuàng)文章，未經(jīng)授權(quán)禁止轉(zhuǎn)載。詳情見轉(zhuǎn)載須知。
