이 예제에서는 TensorFlow 꽃 데이터 집합을 사용합니다. TensorFlow는 구글 브레인 팀에 의해 파이썬을 위해 만든 오픈 소스 라이브러리입니다. TensorFlow는 다양한 알고리즘과 모델을 함께 컴파일하여 사용자가 이미지 인식/분류 및 자연어 처리와 같은 작업에 사용할 심층 신경망을 구현할 수 있도록 합니다. TensorFlow는 일련의 처리 노드를 구현하여 작동하는 강력한 프레임워크로, 각 노드는 수학적 연산을 나타내며 전체 노드 계열은 “그래프”라고 합니다. 의 핍을 통해 콜랩 노트북에 TensorFlow 2.0 알파 릴리스 (GPU 버전)를 설치하자. [4] F. Chollet, TensorFlow 2.0: 옵티마이저 통합 (2018), 텐서플로우 GitHub 모든 텐서플로우 허브의 이미지 모듈은 [0, 1] 범위에서 플로트 입력을 기대합니다. 이를 위해 ImageDataGenerator의 크기 조정 매개 변수를 사용합니다. 우리는 예측 클래스 ID를 가지고, ImageNet 레이블을 가져 오기, 그리고 쓰기시 예측을 디코딩, 이것은 TensorFlow의 단지 알파 릴리스입니다 2.0, 최종 릴리스는 언젠가 올해 후반 예상. 이미 TensorFlow 팀이 TensorFlow의 훨씬 더 직관적인 반복을 단조하고 있음이 분명합니다. 이는 전반적으로 기계 학습 엔지니어의 생산성을 향상시켜 필요한 엔지니어에 대한 낮은 수준의 제어를 유지하면서 일반적인 복잡성을 줄입니다. 또한 TensorFlow는 이미 기계 학습 전문가들 사이에서 인기있는 선택이었지만, 더 부드러운 학습 곡선은 초보자에게도 더 매력적인 옵션입니다.

tfhub.dev의 모든 텐서플로우 1.x 이미지 분류자 URL은 여기에서 작동합니다. 60,000개의 이미지를 사용하여 네트워크를 교육하고 10,000개의 이미지를 사용하여 네트워크가 이미지를 분류하는 데 얼마나 정확하게 배웠는지 평가할 것입니다. 텐서플로우에서 직접 패션 MNIST에 액세스하고 데이터를 가져오고 로드할 수 있습니다: 다음 단계: 사용자 지정 이미지의 새 범주에서 교육 시작으로 이동합니다. 리눅스 나 맥이있는 경우 걱정하지 마십시오. 난 당신이 이미 TensorFlow 1.4가 설치되어 있다고 가정 모든 CPU와 모든 시스템에서 작동합니다 확신합니다. 지금까지 댓글에서 TensorFlow 2.0에 대해 어떻게 생각하는지 알려주세요! 또한 이 자습서의 전체 코드에 관심이 있는 경우 여기에서 전자 필기장을 참조하세요. 질문이 있으시면 주저하지 말고 코멘트 섹션에 질문하십시오. 텐서플로우 데브 서밋 2019에서 구글은 텐서플로우 2.0의 알파 버전을 선보였다. 역사적으로 TensorFlow는 기계 학습 프레임워크의 “산업용 선반”으로 간주됩니다: 위협적인 복잡성과 가파른 학습 곡선을 갖춘 강력한 도구입니다. 과거에 TensorFlow 1.x를 사용했다면, 당신은 내가 무슨 말을하는지 알고 있습니다.

 

Comments are closed.

Set your Twitter account name in your settings to use the TwitterBar Section.