TensorFlow深度學習:AI基礎入門與學習地圖分享

市面上有許多深度學習的框架,TensorFlow是其中的主流框架,在2.x版進行大幅度的改版,並納入Keras,整體的架構變得更加完整易用。

2021/08/10

487

市面上有許多深度學習的框架,TensorFlow是其中的主流框架。

TensorFlow 學習地圖

市面上有許多深度學習的框架(Framework),TensorFlow是其中的主流框架,它在2.x版進行大幅度的改版,並且納入Keras後,整體的架構變得更加完整易用,但也造成學習路徑的多樣化,筆者整理一些K書心得與同好分享。

一、TensorFlow官方教學資源

圖片來源:: towardsdatascience

上圖為各種深度學習框架在Arxiv網站的論文採用比率。官方的教學資源主要有兩個頁籤『教學』(Tutorial)與『指南』(Guide),建議讀者先從『指南』入門,而非『教學』,教學其實是針對影像/文字/音訊作專題式的介紹。

二、神經網路設計原理

從基礎到進階,逐步理解神經網路設計的原理。

  1. 張量(Tensor)運算:包括向量、矩陣的運算。

  2. 自動微分(Automatic Differentiation):梯度計算、優化(Optimization)、神經網路梯度下降求解。

  3. 各式神經層:包括Dense、卷積(Conv1D、Conv2D、Conv3D)、循環神經層(RNN、LSTM、GRU)等。

  4. 神經網路:各式Activation Function、損失函數(Loss Function)、優化器(Optimizer)、效能衡量指標(Metrics),包括順序模型(Sequential model)及Functional API。
圖為 TensorFlow 從基礎到進階
圖為神經網路優化求解的過程

三、整合各項工具

由核心往外擴展,學習各項工具的使用:以Keras為核心,整合其他各項工具。

圖為 TensorFlow 各項工具

TensorBoard:提供模型及訓練過程視覺化的工具,也提供除錯的功能。

Callback:在訓練過程中設定Callback,可作模型存檔、訓練提前結束、TensorBoard整合…,甚至可自訂Callback,蒐集更多的訓練資訊。

Dataset:Generator資料結構,可逐批讀入資料,不必一次全部載入記憶體,造成記憶體不足,適合大型資料集的專案應用,另外支援Cache、Prefetch…等效能提升的功能。

Data Augmentation:結合Dataset,可提供影像資料增補的功能,包括影像偏移、旋轉、拉近/拉遠、裁切…等功能,產生更多的訓練資料,使模型更精準。

Keras Applications:TensorFlow提供許多的預先訓練好的模型(pre-trained model),他們都是歷屆影像辨識大賽的冠亞軍,可以直接採用其模型與權重,也可採用部分模型。

TF Hub:提供許多進階的pre-trained model,例如物件偵測等。

TF Serving:提供模型佈署的指令。
 

本文節錄自:《深度學習 最佳入門邁向AI專題實戰》,相關書訊由深智數位出版社提供。

介紹:窩課360
我們關注所有人的生活,深信學習每件事情都有意義,以永保好奇的童心,成為你想成為的人!

「窩課360」聚焦全年齡的豐富課程,便利的線上學習方式,點開螢幕就能走進教室,懂得生活,善待自己!

在課程裡,本來就很好的你,將發現更好的你!
1年365天,在窩課360,成為更好的Worker,好好的人。