0
| 本文作者： AI研習社 | 2017-02-16 19:53 |
隨著谷歌2015年發布開源人工智能系統TensorFlow，讓本就如火如荼的深度學習再添一把火，截至現在，TensorFlow已經歷了多個版本演進，功能不斷完善，AI開發者也能靈活自如的運用TensorFlow解決一些實際問題，下面雷鋒網會對一些比較實用的TensorFlow應用做相關整理，讓大家對TensorFlow有理性和感性的雙層認知。
對人類而言，區分畫面、圖像就如同與生俱來一樣簡單，例如我們能夠輕松的識別老虎與雄獅的區別，但如果把這個問題交給計算機看上去并不簡單。
在過去幾年里，機器學習在解決這些難題方面取得了巨大的進步。其中，我們發現一種稱為深度卷積神經網絡的模型在困難的視覺識別任務中取得了理想的效果 —— 達到人類水平，在某些領域甚至超過。下面這篇文章雷鋒網重點整理了TensorFlow在圖像識別中的應用，看計算機如何識別圖像。
地址：http://www.csdn.net/article/2015-12-16/2826496
除了認識TensorFlow在圖像識別中的應用，關于如何搭建圖像識別系統雷鋒網也有相關教程：
一根優秀的黃瓜應該具備什么素質？相信這是很多人不可描述的問題，而對于黃瓜農場主而言，同一個品種的黃瓜可以根據顏色、刺、體態等因素分成9類，但分檢工作對于人來說恰好是一個枯燥繁瑣的過程。
一位日本農場主 Makoto 為解決這一難題，利用TensorFlow制作了一款黃瓜分類機，通過機器就能夠完成黃瓜的分類工作，但識別準確率目前只有70%，Makoto 目前正打算使用谷歌的云機器學習（Cloud Machine Learning）平臺，來進一步改善他的黃瓜分類機。
地址：http://m.qcxyk.com/news/201609/dHgxLbz96OQqVN8z.html（來源雷鋒網）
本文將詳細介紹如何通過TensorFlow搭建圖像分類器，從安裝、優化、編碼、和使用等方面手把手教你用TensorFlow搭建圖像分類器。
地址：http://m.qcxyk.com/news/201702/JdaLcpYO59zTTF06.html
風格遷移（Style Transfer）是深度學習眾多應用中非常有趣的一種，如圖，我們可以使用這種方法把一張圖片的風格“遷移”到另一張圖片上，但原始的風格遷移的速度是非常慢的。在GPU上，生成一張圖片都需要10分鐘左右，而如果只使用CPU而不使用GPU運行程序，甚至需要幾個小時。這個時間還會隨著圖片尺寸的增大而迅速增大，那么能否實現使用Tensorflow實現快速風格遷移？
地址：http://m.qcxyk.com/news/201701/tGlVRXWShwe7ffHW.html
當前互聯網每天都在產生大量的文本和音頻數據，通過挖掘這些數據，我們可以做一些更加便捷的應用，例如機器翻譯、語音識別、詞性標注以及信息檢索等，這些都屬于NLP范疇。而在NLP領域中，語言模型是最基本的一個環節，本文主要圍繞語言模型展開，首先介紹其基本原理，進而引出詞向量(word2vec)、循環神經網絡(RNN)、長短時記憶網絡(LSTM)等深度學習相關模型，并詳細介紹如何利用 TensorFlow 實現上述模型。
地址：http://blog.csdn.net/frankiegu/article/details/52133763
生活中經常會遇到圖片缺失問題，設計師和攝影師用內容自動填補來補充圖像中不想要的或缺失的部分，本文將介紹通過一個 DCGAN 用深度學習進行圖像修復。
地址：http://blog.csdn.net/whiteboy1999/article/details/53727376?locationNum=1&fps=1
本篇文章驗證了卷積神經網絡應用于圖像分割領域時存在的一個問題——粗糙的分割結果。根據像素間交叉熵損失的定義，我們在簡化的場景下進行了模型的訓練，并使用后向傳播來更新權重。我們使用條件隨機場（CRFs）來解決分割結果粗糙的問題，并取得了很好的效果。
地址：https://yq.aliyun.com/articles/67189?spm=5176.8067842.tagmain.47.W3YH1h
由于在現實世界里，單機訓練大型神經網絡的速度非常緩慢，這就需要運行分布式TensorFlow集群并行化的訓練模型。但是TensorFlow本身只是計算框架，要將其應用在生產環境，還是需要集群管理工具的資源調度，監控以及生命周期管理等能力。
本文將分兩個部分介紹如何在阿里云容器服務上玩轉TensorFlow訓練集群。
第一部分：https://yq.aliyun.com/articles/68337?spm=5176.100239.blogcont60894.15.tOeTKV
第二部分：https://yq.aliyun.com/articles/60894?spm=5176.8067842.tagmain.29.W3YH1h
雷峰網原創文章，未經授權禁止轉載。詳情見轉載須知。
