Wat is Google TensorFlow? Open-source voorbeelden en tutorials

Machinaal leren is nu het meest opwindende van computergebruik. Het is gemakkelijk te begrijpen waarom, met de technologie die overal wordt gebruikt, van zelfrijdende auto's tot wetshandhaving, tot voorspelling van de aandelenmarkt.

TensorFlow is het project van Google op basis van machine learning en neurale netwerken. Laten we uitvinden wat het is, het gebruik ervan en hoe het te leren gebruiken.

Wat is TensorFlow?

Het is onmogelijk om volledig uit te leggen wat TensorFlow is zonder eerst te begrijpen wat machine learning is. Machinaal leren en neurale netwerken hebben al invloed op ons leven 4 Algoritmen voor machinaal leren die uw leven bepalen 4 Machinaal leren Algoritmen die uw leven bepalen Misschien beseft u het niet, maar machine learning is al overal om u heen en het kan een verrassende mate van invloed uitoefenen op uw leven. Geloof me niet? Je zult verrast zijn. Lees meer op meer manieren dan je zou denken.

In het eenvoudigste geval is machine learning het proces waarbij computers worden onderwezen hoe data te analyseren en weloverwogen beslissingen te nemen, zonder hier rechtstreeks voor geprogrammeerd te zijn. Om dit te bereiken, trainen we neurale netwerken om specifieke taken uit te voeren.

TensorFlow is de open source neurale netwerkbibliotheek van Google, ontwikkeld door het Google Brain-team voor een breed scala aan toepassingen. In wezen neemt TensorFlow de noodzaak weg om vanuit nul een compleet nieuw neuraal netwerk te creëren. In plaats daarvan kunt u TensorFlow trainen met uw dataset en de resultaten gebruiken zoals u dat wilt.

Tot nu toe, zo abstract. Wat kun je doen met een neuraal netwerk? Het blijkt, bijna alles!

Opmerkelijke TensorFlow-voorbeelden

Beeldclassificatie

Veel tutorials over het automatisch leren van beginners 6 Handige machine-learning Handleidingen en cursussen om de Essentials te begrijpen 6 Handige machine Leer-tutorials en cursussen om de essentie te begrijpen Er is nog nooit een beter moment geweest om in machine learning te duiken. Hier zijn zes nuttige bronnen om u te leren over machine learning. Lees Meer Gebruik beeldclassificatie als een vroeg voorbeeldproject om te helpen met begrip. Door referentiebeelden in een neuraal netwerk te voeren, kan het leren voorspellen of een afbeelding vergelijkbare objecten bevat.

Als je dit proces in actie wilt zien, bekijk dan de 5 minuten durende classificator van Siraj Raval.

Dit soort computergestuurd zeven van gegevens is ongelooflijk krachtig, niet alleen voor het vinden van wilde Darth Vaders. TensorFlow is al in gebruik in biomedische beeldanalyse.

Vrijwel elk veld dat afhankelijk is van de analyse van grote hoeveelheden afbeeldingsgegevens kan profiteren van de technologie. Zoals te zien is in de officiële introductievideo van TensorFlow, wordt het gebruikt om de inspanningen voor het behoud van de bijna uitgestorven Dugong te stroomlijnen..

Deep Photo Style Transfer

Naast beeldclassificatie kan TensorFlow worden gebruikt om afbeeldingen dynamisch te wijzigen. Deep Photo Style Transfer is samengesteld door een groep aan de Cornell University. Het project maakt een invoerbeeld en een stilbeeld voordat deze stijl wordt toegepast op de originele afbeelding - met verbluffende resultaten.

De voorbeelden maken gebruik van een combinatie van geautomatiseerde en handmatig bereikte afbeeldinglagen, dus als u de handen uit de mouwen wilt steken, is het misschien de moeite waard om uw Photoshop-vaardigheden te verbeteren voordat u in de bibliotheek gaat..

Magenta AI Music

We zijn geen onbekende in het gebruik van computers om prachtige kunstwerken te maken. Het idee dat computers creativiteit tentoonstellen op een manier die we herkenbaar vinden, is al lang een Sci-Fi-droom. Met neurale netwerkbibliotheken zoals TensorFlow komt het dichterbij dan ooit.

Magenta gebruikt TensorFlow om gereedschappen voor muzikanten te maken. Met diepgaand leren breidt Magenta tools uit die beschikbaar zijn voor muzikanten om nieuwe soorten geluidsmixen te openen, en zelfs machine-ondersteunde improvisatie-oproepen en -reacties.

Magenta is ook bruikbaar als een slimme sequencer op zich. Het vermogen om externe bibliotheken te gebruiken is een van de vele fantastische functies van CodePen. Tero Parviainen gebruikte de bibliotheek magenta.js om zijn prachtige Latent Cycles-pen te maken.

Door neuraal netwerk gegenereerde geïmproviseerde loops naast elkaar in te stellen, stelt Latent Cycles iedereen in staat unieke en prachtige geluiden te creëren zonder voorafgaande muzikale kennis.

TensorFlow leren

Machinaal leren is een ongelooflijk dicht onderwerp. Een goed begrip van statistieken, wiskunde, programmeren en algemene gegevenswetenschap staan ​​allemaal centraal in begrip. Dat gezegd hebbende, maakt TensorFlow het gemakkelijk om hands-on ervaring te krijgen, zelfs als een beginner. De officiële TensorFlow-zelfstudie maakt een stapsgewijze benadering voor installatie en gebruik.

De meeste TensorFlow-projecten maken gebruik van de programmeertaal Python. Als je de taal nog niet kent, zijn er een schat aan fantastische plaatsen om Python te leren kennen. Als u al bekend bent met JavaScript, heeft TensorFlow instructievideo's over de bibliotheek TensorFlow.js.

Deze zelfstudies, samen met de gratis machine-learningcursus van Google What Is Machine Learning? De gratis cursus van Google breekt het voor u af Wat is Machine Learning? De gratis cursus van Google breekt het voor je af Google heeft een gratis online cursus samengesteld om je de basisprincipes van machinaal leren aan te leren. Read More, zijn een onschatbare bron, van de leveranciers van de bibliotheek.

Andere TensorFlow-zelfstudies

Voor een snelle, informatieve introductie tot TensorFlow en beeldclassificators, heeft Siraj Raval een informatieve (en meme-zware) introductie van 5 minuten.

Dit is een van de vele video's op het YouTube-kanaal van Siraj op het gebied van machine learning. Tussen super snelle video's zoals deze, en lange livestreams die een stapsgewijze aanpak gebruiken, is dit een geweldige plek om TensorFlow en machine learning in Python te leren kennen.

Gericht op JavaScript en Tensorflow.js biedt de coderingstraining nog een volledige benadering:

Gastheer Daniel Shiffman behandelt verschillende gebruiksgevallen voor TensorFlow en zijn serie over machinaal leren als geheel is een van de beste vrij beschikbare cursussen over het onderwerp.

Beginner Project: Live Object Detection

Dit project maakt gebruik van live-objectherkenning om een ​​automatische afvalsorteerder te besturen. De hardware lijkt een Raspberry Pi-alternatief te zijn, hoewel in theorie elke microcontroller zou kunnen worden gebruikt. Het echte werk wordt gedaan met behulp van een mengsel van OpenCV en TensorFlow.

Aan het project van de video is geen zelfstudie gekoppeld. Het uitstekende OpenCV- en TensorFlow-artikel van Dat Tran maakt gebruik van dezelfde bibliotheken, waarbij elk element duidelijk wordt uitgelegd. Als een eenvoudig kleinschalig idee dat de TensorFlow-bibliotheek gebruikt, is een project van deze schaal de perfecte manier om te beginnen.

Verder gaan met machinaal leren

TensorFlow is een ongelooflijk krachtige tool van misschien wel het belangrijkste bedrijf van internet. De beslissing om het open source te maken, was een groot probleem, omdat het ons allemaal openstelt.

Dat gezegd hebbende, machine learning is een ongelooflijk dicht onderwerp. Het is de moeite waard om wat tijd door te brengen met online cursussen voor machine learning. Deze machine-leercursussen zullen een carrièrepad voor u voorbereiden Deze machine-leercursussen zullen een carrièrepad voor u voorbereiden Deze uitstekende online machine-leercursussen zullen u helpen de vaardigheden te begrijpen die nodig zijn om een ​​carrière te beginnen in machine learning en kunstmatige intelligentie. Lees meer om optimaal gebruik te maken van TensorFlow.

Meer informatie over: kunstmatige intelligentie, machine learning, neurale netwerken.