10.3969/j.issn.1673-629X.2019.09.006
TensorFlow架构与实现机制的研究
在大数据时代,云计算和大规模并行处理基础架构的共同发展不仅使得机器学习和深度人工智能有了更为广阔的应用空间,也激发了人工智能框架的快速迭代和部署.TensorFlow是Google发布的开放源代码的深度学习平台,已经在工业界有了广泛的应用.文中从TensorFlow平台的设计理念出发,分析了平台的框架和基本结构,对每个模块的功能和应用做了详尽阐述.在此基础上,通过建立一个多层深度学习神经网络,分析了输入层、隐藏层、输出层及激励函数的构建方法.最后在对TensorFlow实例运行和调试的基础上,演示了通过TensorBoard跟踪程序运行状态和参数调制的方法,给出了一维数据和多维数据的可视化结果.研究表明,相比较其他学术界的人工智能平台,TensorFlow有着更好的生态系统,支持更多的硬件架构,具备了一定的实用基础.
TensorFlow、神经网络、数据流图、节点
29
TP31(计算技术、计算机技术)
国家自然科学基金61003040;江苏省自然科学基金面上项目BK20171447;江苏省科技计划项目:未来网络前瞻性研究项目BY2013095108
2019-10-14(万方平台首次上网日期,不代表论文的发表时间)
共4页
31-34