freetonik Jul 13 2016 at 12:26

Hello, TensorFlow. Библиотека машинного обучения от Google

11 min

227K

Python*Programming*Machine learning*TensorFlow*

Tutorial

Translation

+65

Comments 12

viatoriche Jul 13 2016 at 16:41

Спасибо за перевод. Отличный продукт, отличная статья. Действительно, более понятно и логично, нежели scikit-learn. Было очень интересно читать. Установил TF, буду изучать.

tomzarubin Jul 13 2016 at 21:35

Понятность с первого взгляда всегда выделяла тензоры на фоне функций, они такие.

caffeinum Jul 14 2016 at 09:54

Не знаю, студенты кафедры высшей математики с вами не согласились бы

tomzarubin Jul 14 2016 at 10:04

Это был сарказм, конечно же. Сам удивился как TF может быть понятен больше, чем sklearn. С его «линейностью» и прекрасной документацией.

SKolotienko Jul 15 2016 at 17:42

sklearn, по моему мнению, более универсальная вещь для широкого спектра задач. Там ведь есть не только классификаторы/регрессоры, но и куча других вещей типа предобработки данных, выделения признаков и пр.

JRazor Jul 13 2016 at 23:06

“6006” это “goog” вверх ногами

Мне определенно нравится их чувство юмора

SKolotienko Jul 15 2016 at 17:41

Я правильно понимаю, что сейчас нет возможности под Windows запустить TensorFlow с поддержкой GPU?

vesper Jul 16 2016 at 15:01

а что, есть возможность запустить без поддержки GPU под Windows? есть мануал для создания pip wheel из исходников?

SKolotienko Jul 18 2016 at 14:41

Если погуглить TensorFlow + Windows, то находятся какие-то способы запуска. Я не до конца разобрался, но там вроде какая-то виртуалка используется.

azalio Jan 2 2017 at 23:26

уже можно нативно.

jinxu Aug 16 2016 at 15:35

в конечной версии кода
summary_writer = tf.train.SummaryWriter('log_simple_stats', sess.graph)

а в статье
$ tensorboard --logdir=log_simple_graph

если просто скопировать/вставить то tensorboard не будет работать

constructor Jul 19 2017 at 15:18

Версия финального примера для tensorflow v1.1.0:

import tensorflow as tf

print("tensorflow version: {0}".format(tf.__version__))

x = tf.constant(1.0, name='input')
w = tf.Variable(0.8, name='weight')
y = tf.multiply(w, x, name='output')
y_ = tf.constant(0.0, name='correct_value')
loss = tf.pow(y - y_, 2, name='loss')
train_step = tf.train.GradientDescentOptimizer(0.025).minimize(loss)

for value in [x, w, y, y_, loss]:
    tf.summary.scalar(value.op.name, value)

summaries = tf.summary.merge_all()

sess = tf.Session()
summary_writer = tf.summary.FileWriter('log_simple_graph', sess.graph)

sess.run(tf.global_variables_initializer())
for i in range(100):
    summary_writer.add_summary(sess.run(summaries), i)
    sess.run(train_step)

Show the best of all time