基于tensorflow的深度学习平台分析与实践
摘要
Google不仅是大数据和云计算的领导者，在机器学习和深度学习上也有很好的实践和积累，在2015年年底开源了内部使用的深度学习框架TensorFlow。与Caffe、Theano、Torch、MXNet等框架相比，TensorFlow在Github上Fork数和Star数都是最多的，而且在图形分类、音频处理、推荐系统和自然语言处理等场景下都有丰富的应用。最近流行的Keras框架底层默认使用TensorFlow，著名的斯坦福CS231n课程使用TensorFlow作为授课和作业的编程语言，国内外多本TensorFlow书籍已经在筹备或者发售中，AlphaGo开发团队Deepmind也计划将神经网络应用迁移到TensorFlow中，这无不印证了TensorFlow在业界的流行程度。TensorFlow不仅在Github开放了源代码，在《TensorFlow: Large-Scale Machine Learning on Heterogeneous Distributed Systems》论文中也介绍了系统框架的设计与实现，其中测试过200节点规模的训练集群也是其他分布式深度学习框架所不能媲美的。Google还在《Wide & Deep Learning for Recommender Systems》和《The YouTube Video Recommendation System》论文中介绍了Google Play应用商店和YouTube视频推荐的算法模型，还提供了基于TensorFlow的代码实例，使用TensorFlow任何人都可以在ImageNet或Kaggle竞赛中得到接近State of the art的好成绩。
关键字：tensorflow；深度学习；分析研究
目录
1前言 4
2深度学习平台概述 4
2.1什么是深度学习 4
2.2常见深度神经网络的训练和问题 6
3深度学习开源工具 7
3.1通用vs专用 8
3.2框架vs库 8
3.3单机vs集群 9
3.4 Google开源TensorFlow的意义 10
4 基于Tensorflow的深度学习示例 11
4.1进行数据格式的转换 11
4.2Tensorflow读取HDFS数据的设置 13
4.3分布式模型的示例代码 13
4.4分布式模型的启动 19
4.5模型监控 20
5基于Tensorflow的深度学习分析 23
5.1 Ubuntu 对话语料库 23
5.2基线 25
5.3 双重编码器 LSTM 28
5.4 数据预处理 30
5.5定义评估标准 33
5.6样板文件训练代码 34
5.7建立模型 36
5.8模型评估 40
结论 41
参考文献. 41
参考文献：
[1] Abadi M， Agarwal A， Barham P， et al. TensorFlow： Large-scale machine learning on heterogeneous systems， 2015[J]. Software available from tensorflow. org.
[2] 任翠池，杨淑莹，洪俊.基于BP神经网络的手写字符识别[J].天津理工大学学报，2006，22（4）：80-82.
[3] 张斌，赵玮烨，李积宪.基于BP神经网络的手写字符识别系统[J].兰州交通大学学报：自然科学版， 2007，26（1）.
[4] 许宜申，顾济华，陶智，等.基于改进 BP 神经网络的手写字符识别[J].通信技术，2011， 44（5）： 106-109.
[5] 杨勇，谢刚生.基于BP神经网络的手写数字识别[J].华东地质学院学报，2003，26（4）： 383-386.
[6] 金连文，徐秉铮.基于多级神经网络结构的手写体汉字识别[J].通信学报，1997，18（5）.
[7] 李平，蒋振刚.神经网络对手写字符识别特征的提取[J]. 长春光学精密机械学院学报，2000，23（2）： 22-24.
[8] 朱大奇，史慧.人工神经网络原理及应用[M].北京：科学出版社，2006.
http://www.bysj360.com/ http://www.bysj360.com/html/5215.html http://www.bylw520.net
