摘要：在的一条评论中，的作者谷歌研究员宣布了一条激动人心的消息将会成为第一个被添加到核心中的高级别框架，这将会让变成的默认。但是，和确实证实了我的想法和神经网络不一定都是那么折磨人的。
在 Reddit 的一条评论中，Keras 的作者、谷歌 AI 研究员 Francois Chollet 宣布了一条激动人心的消息：Keras 将会成为第一个被添加到 TensorFlow 核心中的高级别框架，这将会让 Keras 变成 Tensorflow 的默认 API。
背景介绍：Keras 是一个高级别的 Python 神经网络框架，能在 TensorFlow 或者 Theano 上运行。此外，能用到 TensorFlow 上的还有一些高级别的 Python 神经网络框架，比如，TF-Slim，虽然它们发展更不完善，也不是 TensorFlow 的核心部分。
神经网络研究者 Rachel Thomas 在 fast.ai 上撰文介绍了这一消息，并写下了他使用TensorFlow 的心得体会：
他说，使用 TensorFlow 给我的感觉就是我还不够聪明，但是，在使用 Keras 的时候我会觉得神经网络要比我想象的简单。这是因为，TensorFlow 的 API 过于冗长和混乱，也是因为 Keras 拥有我体验过的最贴心的、最具表达力的 API。对我来说，在刚开始使用TensorFlow 受挫后就来公开批评它有点尴尬，它让人觉得沉重、不自然。当然，其中有我自己的原因。但是，Keras 和 Theano 确实证实了我的想法：tensors 和 神经网络不一定都是那么折磨人的。
在一次大学作业中，我曾经使用一个硬件描述语言，通过添加和改变 CPU 暂存器中的字节来编码除法（division）。这是一个很有趣的练习，但是我非常确定，我不想用这种方式对神经网络进行编码。使用一个更高级别的语言的好处是显而易见的：更快地编码、更少的bug，以及，更少的痛苦。Keras 的好处还有更多——它更适配神经网络的概念，能促进新的发现。Keras 让我更加擅长神经网络，因为语言抽象与神经网络的概念搭配得更加好。
使用与我的思维相同的概念语言写程序，能让我把注意力集中在需要解决的难题上，而不是编程语言的伪迹上。因为，当我把更多的精力花在头脑中的思维与编程语言之间的概念转换的时候，我的思考就会变慢。TensorFlow 影响了我的生产力。
正如 Chollet 所写：“如果你想要长期使用一个更高级别的面向对象的 TF API ，Karas 就是正确的道路。”
欢迎加入本站公开兴趣群商业智能与数据分析群
兴趣范围包括各种让数据产生价值的办法，实际应用案例分享与讨论，分析工具，ETL工具，数据仓库，数据挖掘工具，报表系统等全方位知识
QQ群：81035754
文章版权归作者所有，未经允许请勿转载,若此文章存在违规行为，您可以联系管理员删除。
转载请注明本文地址：https://www.ucloud.cn/yun/4442.html
摘要：我们对种用于数据科学的开源深度学习库作了排名。于年月发布了第名，已经跻身于深度学习库的上半部分。是最流行的深度学习前端第位是排名较高的非框架库。颇受对数据集使用深度学习的数据科学家的青睐。深度学习库的完整列表来自几个来源。 我们对23种用于数据科学的开源深度学习库作了排名。这番排名基于权重一样大小的三个指标：Github上的活动、Stack Overflow上的活动以及谷歌搜索结果。排名结果...
摘要：但年月，宣布将在年终止的开发和维护。性能并非最优，为何如此受欢迎粉丝团在过去的几年里，出现了不同的开源深度学习框架，就属于其中典型，由谷歌开发和支持，自然引发了很大的关注。 Keras作者François Chollet刚刚在Twitter贴出一张图片，是近三个月来arXiv上提到的深度学习开源框架排行：TensorFlow排名第一，这个或许并不出意外，Keras排名第二，随后是Caffe、...
摘要：两者取长补短，所以深度学习框架在年，迎来了前后端开发的黄金时代。陈天奇在今年的中，总结了计算图优化的三个点依赖性剪枝分为前向传播剪枝，例已知，，求反向传播剪枝例，，求，根据用户的求解需求，可以剪掉没有求解的图分支。 虚拟框架杀入从发现问题到解决问题半年前的这时候，暑假，我在SIAT MMLAB实习。看着同事一会儿跑Torch，一会儿跑MXNet，一会儿跑Theano。SIAT的服务器一般是不...
摘要：第一个深度学习框架该怎么选对于初学者而言一直是个头疼的问题。简介和是颇受数据科学家欢迎的深度学习开源框架。就训练速度而言，胜过对比总结和都是深度学习框架初学者非常棒的选择。 「第一个深度学习框架该怎么选」对于初学者而言一直是个头疼的问题。本文中，来自 deepsense.ai 的研究员给出了他们在高级框架上的答案。在 Keras 与 PyTorch 的对比中，作者还给出了相同神经网络在不同框...
摘要：主要的功能和改进上支持。对象现在从属于，在发布时的严格描述已经被删除一个首次被使用，它自己缓存其范围。在发布前，许多的的功能和类别都在命名空间中，后被移到。虽然我们会尽量保持源代码与兼容，但不能保证。为增加了双线性插值。 主要的功能和改进1. Windows上支持Python3.6。2. 时空域去卷积（spatio temporal deconvolution.）增加了tf.layers.c...
阅读 2333·2021-11-15 11:38
阅读 3543·2021-09-22 15:16
阅读 1185·2021-09-10 11:11
阅读 3154·2021-09-10 10:51
阅读 2918·2019-08-30 15:56
阅读 2772·2019-08-30 15:44
阅读 3183·2019-08-28 18:28
阅读 3523·2019-08-26 13:36
