直播預告 |《簡明的 TensorFlow 2》作者分享

2020-12-05 雷鋒網

             

作為一個端到端開源機器學習平臺，TensorFlow的出現極大地激發了機器學習愛好者們的創作熱情，它不僅擁有一個全面而靈活的生態系統，其中包含各種工具、庫和社區資源，可助力研究人員推動先進機器學習技術的發展，還能幫助開發者輕鬆地構建和部署由機器學習提供支持的應用。

但是對於初學者來說，TensorFlow 往往給人留下「入門門檻高」的刻板印象。有鑑於此，去年 10 月推出的 TensorFlow 2 在易用性上進行了大幅改進，並進一步強化了其在性能和生態上的巨大優勢。

為了幫助機器學習愛好者們更快地上手TensorFlow 2，同時掌握多端部署能力，我們有幸邀請到最近熱門的暢銷書《簡明的TensorFlow2》作者：谷歌開發者專家（機器學習領域）李錫涵，在AI研習社平臺上進行直播分享，深入淺出地為大家介紹TensorFlow2的新特性和代碼實例講解。

《簡明的TensorFlow2》由谷歌認證的機器學習領域技術專家撰寫，撰寫過程中與谷歌 TensorFlow 開發團隊直接交流，並獲得 TensorFlow 工程師的大量建議和支持。       

如果你對機器學習興趣濃厚，想要了解更多使用TensorFlow2的技巧和方法，歡迎來AI研習社直播間觀看本次分享，和原書作者互動交流，還有限量精美禮品等你來拿！千萬不要錯過哦！


—   活動獎勵   —

1.互動參與獎：直播間前5位積極提問並被分享嘉賓採納的同學，可以獲得由人民郵電出版社提供的全彩圖書《簡明的TensorFlow2》一本；

2.邀請好友獎：截至直播開始前，直播間邀請好友觀看人數前5位的同學，可以獲得由AI研習社提供的精美小禮品一份。


分享主題：

Getting Started with TensorFlow 2

分享時間：

10月21日20:00-21:00

分享嘉賓：

李錫涵

內容綱要：

- TensorFlow 能做什麼？

- TensorFlow 2：簡明、清晰、靈活

- 即時執行模式與圖執行模式

- TensorFlow 中的 Keras

- TensorFlow 生態：Deploy Anywhere

- 學習路線與教程資源建議

直播間地址：

AI研習社連結：https://live.yanxishe.com/room/875

B站直播連結：http://live.bilibili.com/22438833


—   嘉賓介紹   —       

 

李錫涵

谷歌開發者專家（機器學習領域），

倫敦大學學院計算機科學系博士研究生，

北京大學智能科學系理學碩士，

本科畢業於浙江大學竺可楨學院混合班。

曾獲全國青少年信息學奧林匹克聯賽一等獎，美國大學生數學建模競賽特等獎。曾在多智能體會議AAMAS和自然語言處理會議COLING上發表學術論文。現研究方向為強化學習在優化領域的實際應用。《簡明的 TensorFlow 2》作者。


更多嘉賓分享，請持續關注AI研習社社區動態：https://www.yanxishe.com/?navVer=4

雷鋒網(公眾號：雷鋒網)雷鋒網雷鋒網

雷鋒網原創文章，未經授權禁止轉載。詳情見轉載須知。

相關焦點

  • TensorFlow 攜手 NVIDIA,使用 TensorRT 優化 TensorFlow Serving...
    HTTP/REST API at:localhost:8501 …$ curl -o /tmp/resnet/resnet_client.py https://raw.githubusercontent.com/tensorflow/serving/master/tensorflow_serving/example/resnet_client.py
  • TensorFlow極速入門
    最後給出了在 tensorflow 中建立一個機器學習模型步驟，並用一個手寫數字識別的例子進行演示。1、tensorflow是什麼？tensorflow 是 google 開源的機器學習工具，在2015年11月其實現正式開源，開源協議Apache 2.0。
  • 分享TensorFlow Lite應用案例
    2） 方法與坑 　　以下通過一個實例來描述如何進行模型的拆分。 　　2. 部分 op 有隱藏的 optional argument 　　有些 op 有 optional argument，如果不指定的話，可能會自動引入一些額外的 op 來代入默認值。這樣偶爾會引入一些 TF Lite 不支持的 op。
  • Tensorflow 全網最全學習資料匯總之Tensorflow 的入門與安裝【2】
    最終以一個手寫數字識別的實例將這些點串起來進行了具體說明。2.《TensorFlow學習筆記1：入門》連結：http://www.jeyzhang.com/tensorflow-learning-notes.html本文與上一篇的行文思路基本一致，首先概括了TensorFlow的特性，然後介紹了graph、session、variable 等基本概念的含義，以具體代碼的形式針對每個概念給出了進一步的解釋
  • 步履不停:TensorFlow 2.4新功能一覽!
    集合運算        https://github.com/tensorflow/tensorflow/blob/master/tensorflow/python/ops/collective_ops.py
  • Tensorflow基礎教程15天之創建Tensor
    在將Tensor定義為Variable之後，Tensorflow才會將其傳入計算圖。如何操作我們將在這裡介紹創建Tensor的主要方法。序列TensorTensorflow允許我們定義數組Tensor。
  • tensorflow初級必學算子
    在之前的文章中介紹過，tensorflow框架的核心是將各式各樣的神經網絡抽象為一個有向無環圖，圖是由tensor以及tensor變換構成；雖然現在有很多高階API可以讓開發者忽略這層抽象，但對於靈活度要求比較高的算法仍然需要開發者自定義網絡圖，所以建議開發者儘量先學習tf1.x
  • TensorFlow 2.0開源工具書,30天「無痛」上手
    開源電子書地址：https://lyhue1991.github.io/eat_tensorflow2_in_30_days/GitHub 項目地址：https://github.com/lyhue1991/eat_tensorflow2_in_30_days為什麼一定要學
  • TensorFlow 中文資源全集,學習路徑推薦
    https://gitee.com/fendouai/Awesome-TensorFlow-Chinese很多內容下面這個英文項目:Inspired by https://github.com/jtoy/awesome-tensorflow官方網站官網:https://www.tensorflow.org/中文:https://tensorflow.google.cn
  • TensorFlow 資源大全中文版
  • 如何使用TensorFlow Hub的ESRGAN模型來在安卓app中生成超分圖片
    file_path=org%2Ftensorflow%2Ftensorflow-lite%2F2.3.0%2Ftensorflow-lite-2.3.0.aar" dest "${project.rootDir}/libraries/tensorflow-lite-2.3.0.aar" overwrite false retries 5 } } task downloadTFLiteGPUDelegateAARFile
  • 終於來了,TensorFlow 新增官方 Windows 支持
    現在你可以使用命令 C:\> pip install tensorflow 安裝 TensorFlow 了。GPU 支持的命令：C:\> pip install tensorflow-gpu有關 TensorFlow Windows 支持的更多細節請閱讀 r0.12 的版本注釋。
  • Tensorflow 2.0 即將入場
    而就在即將到來的2019年，Tensorflow 2.0將正式入場，給暗流湧動的框架之爭再燃一把火。如果說兩代Tensorflow有什麼根本不同，那應該就是Tensorflow 2.0更注重使用的低門檻，旨在讓每個人都能應用機器學習技術。
  • 在Windows中安裝Tensorflow和Kears深度學習框架
    建立Anaconda虛擬環境 下面使用conda命令建立一個新的Python3.5Anacoda虛擬環境，我們將虛擬環境命名為tensorflow。在命令提示符窗口輸入下列命令： 建立Tensorflow Anaconda虛擬環境 conda create --name tensorflow python=3.5 anaconda 執行後屏界面顯示如圖3-9所示。
  • 玩轉TensorFlow?你需要知道這30功能
    地址是：tensorflow.org/tfx/?網址是：https://www.tensorflow.org/serving/?網址：https://www.tensorflow.org/guide/keras12）Tensor2TensorTensor2Tensor 是一個深度學習模型和數據集的開源軟體庫
  • 5個簡單的步驟掌握Tensorflow的Tensor
    在這篇文章中，我們將深入研究Tensorflow Tensor的細節。我們將在以下五個簡單步驟中介紹與Tensorflow的Tensor中相關的所有主題：第一步：張量的定義→什麼是張量？我們經常將NumPy與TensorFlow一起使用，因此我們還可以使用以下行導入NumPy：import tensorflow as tfimport numpy as np張量的創建：創建張量對象有幾種方法可以創建tf.Tensor對象。讓我們從幾個例子開始。
  • TensorFlow 2.1指南:keras模式、渴望模式和圖形模式(附代碼)
    如你所知，在Tensorflow中，存在這樣的範例：首先定義計算圖，然後進行編譯（或將其移至GPU），然後運行它。這種範例非常好，從技術上來講很有意義，但是，一旦在GPU中擁有了模型，幾乎就不可能對其進行調試。這就是為什麼，自從TensorFlow 2.0以其Alpha版本發布以來已經過去了大約一年，我決定在TensorFlow 2.1與大家分享使用的體驗。
  • TensorFlow2.1正式版上線:最後一次支持Python2,進一步支持TPU
    去年 10 月，谷歌才發布了 TensorFlow 2.0 正式版。時隔三個月後，昨日官方發布了 TensorFlow 2.1，本次版本更新帶了了多項新特性、功能改進和 bug 修復。從本次更新的日誌來看，TensorFlow 2.1 將成為最後一個支持 Python2 的版本了。同時，本次更新的重點是增加了對 TPU 的多項支持，而 tf.keras 和 tf.data 這兩個常用的 API 也得到了很多新的更新。
  • TensorFlow 2入門指南,初學者必備!
    英語原文：Getting Started with TensorFlow 2翻譯：雷鋒字幕組（贇瑾和鳴、大表哥）什麼是Tensorflow？TensorFlow是谷歌推出的深度學習框架，於2019年發布了第二版。 它是世界上最著名的深度學習框架之一，被行業專家和研究人員廣泛使用。
  • 深度解讀TensorFlow,了解它的最新發展!
    Tensorboard是tensorflow內置的一個可視化工具，它通過將tensorflow程序輸出的日誌文件的信息可視化，使得tensorflow程序的理解、調試和優化更加簡單高效。Tensorboard的可視化依賴於tensorflow程序運行輸出的日誌文件，因而tensorboard和tensorflow程序在不同的進程中運行。