其它的深度学习库通过对大数据集做预处理,绕过了内存限制,但TensorFlow通过Data API,使一切都容易了:只需要创建一个数据集对象,告诉它去哪里拿数据,以及如何做转换就行。TensorFlow负责所有的实现细节,比如多线程、队列、批次和预提取。另外,Data API和tf.keras可以无缝配合! Data API还可以从现成的文件(比如CSV文件)...
例如,回到真空吸尘器机器人,你可以稍微增加概率P并评估这是否增加了机器人在 30 分钟内拾起的灰尘的量;如果确实增加了,就相对应增加,否则减少。我们将使用 Tensorflow 来实现 PG 算法,但是在这之前我们需要为智能体创造一个生存的环境,所以现在是介绍 OpenAI 的时候了。 OpenAI 介绍 强化学习的一个挑战是,为了训...
所以接下来会从 character RNN 开始(预测句子中出现的下一个角色),继续介绍RNN,这可以让我们生成一些原生文本,在过程中,我们会学习如何在长序列上创建TensorFlow Dataset。先使用的是无状态RNN(每次迭代中学习文本中的随机部分),然后创建一个有状态RNN(保留训练迭代之间的隐藏态,可以从断点继续,用这种方法学习长规律)...
下面的代码使用 Scikit-Learn 的load_sample_images()(加载两个彩色图像,一个中国庙宇,另一个是一朵花)加载两个样本图像。 然后创建两个的卷积核(一个中间是垂直的白线,另一个是水平的白线),并将他们应用到两张图形中,使用 TensorFlow 的conv2d()函数构建的卷积图层(使用零填充且步幅为 2)。 最后,绘制其中一...
◆ TensorFlow数据集(https://tensorflow.org/datasets) · Meta portals(它们列出了开放数据存储库): ◆ DataPortals.org(https://dataportals.org) ◆ OpenDataMonitor.eu(https://opendatamonitor.eu) · 列出许多流行的开放数据存储库的其他页面: ◆ 维基百科的机器学习数据集列表(https://homl.info/9) ◆ ...
环境有波动:机器学习算法可以适应新数据。 洞察复杂问题和大量数据。 机器学习系统的类型 机器学习有多种类型,可以根据如下规则进行分类: 是否在人类监督下进行训练(监督,非监督,半监督和强化学习) 是否可以动态渐进学习(线上学习vs批量学习) 它们是否只是通过简单地比较新的数据点和已知的数据点,或者在训练数据中进行...
第19章 规模化训练和部署TensorFlow模型 鸟类启发人类飞翔,东洋参启发了魔术贴的发明,大自然启发人类实现了无数发明创造。通过研究大脑来制造智能机器,也符合这个逻辑。人工神经网络(ANN)就是沿着这条逻辑诞生的:人工神经网络是受大脑中的生物神经元启发而来的机器学习模型。但是,虽然飞机是受鸟儿启发而来的,飞机却不用...
第19章 规模化训练和部署TensorFlow模型 自编码器是能够在无监督(即,训练集是未标记)的情况下学习输入数据的紧密表征(叫做潜在表征或编码)的人工神经网络。这些编码通常具有比输入数据低得多的维度,使得自编码器对降维有用(参见第 8 章)。自编码器还可以作为强大的特征检测器,它们可以用于无监督的深度神经网络预训...
《Python Machine Learning: Machine Learning and Deep Learning with Python, scikit-learn, and TensorFlow 2》第三版是一本关于使用Python进行机器学习和深度学习的综合指南。 本书包含清晰的解释、可视化和项目实战,深入涵盖了所有基本的机器学习技术。本书也不同于经典的学术机器学习教科书,因为它强调实用的代码示...
Scikit-learn是一个用于机器学习的Python库，提供了一系列简单而高效的工具，用于数据挖掘和数据分析。它建立在NumPy、SciPy和Matplotlib等基础库之上，支持分类、回归、聚类和降维等多种算法。该库的易用性和强大功能使其在数据科学和机器学习领域得到了广泛应用。数据准备 在机器学习建模之前，数据准备是一个至关重要的...