TensorFlow Estimators: Managing Simplicity vs. Flexibility in High-Level Machine Learning Frameworks
来源:互联网 发布:ps mac触摸板无法缩放 编辑:程序博客网 时间:2024/06/09 14:15
TensorFlow Estimators: Managing Simplicity vs. Flexibility in High-Level Machine Learning Frameworks–阅读笔记
论文来源:2017 KDD
论文链接
- ABSTRACT
- INTRODUCTION
- 知识点补充
- DSL
ABSTRACT
本文提出一个指定、培训、评估和部署机器学习模型的框架。提供抽象概念指导,允许用户编写代码来定义模型;提供统一的Estimator接口,可实现独立于模型编写下流操作,如分布式培训,超参数调整等。
- 通过提供不同抽象级别的API来平衡竞争对于灵活性和简单性的要求,使得通用模型体系结构立即可用。
- 提供一个用于加速模型体系结构实验的实用程序库。
- Estimators的参数可为传统超参数,特征列,声明性规范等。
INTRODUCTION
深度学习模型涉及训练的大量数据,以及高效运行高效计算的异构和分布式系统的复杂性,阻碍了最先进的方法被广泛应用于生产。
灵活性与简单性和鲁棒性呈紧张(负相关)关系。
- 广义的简单性:假设已知模型架构,实现模型不应该需要根本的新技能。对模型特征进行实验应该是透明的,不应该要求对用于实现模型的框架的内部工作有深入了解。
框架具有鲁棒性:容易编写正确和高质量的软件,但很难写出破坏或性能不佳的软件。
许多深度学习框架将灵活性置于一切之上。他们通过提供相对较低级别的基本操作来实现这种灵活性,并要求用户以常规编程语言编写代码以指定其模型。低级别工作也会导致大量的代码重复,也给软件维护带来的麻烦。
基于DSL的系统更可能适合特定的生产用例,可优化,也具有鲁棒性,但对性的体系结构缺少灵活性。
TensorFlow是一个用于机器学习,尤其是深度学习的开源软件库。它将计算表示为一个广义的数据流图。该图首先被构建,然后与图构建分开执行。
知识点补充
DSL
DSL(domain-specific language),指的是针对特定应用领域而设计使用的计算机语言。与之相对的是GPL(general-purpose language),GPL指的是针对跨应用领域而设计使用的计算机语言。
- 常见的DSL有:HTML,Shell,make语言,ant语言,maven语言,rpm语言,dpkg语言,awk语言,正则表达式,dc计算机语言等,有些DSL语言又被称为微型语言;
- 常见的GPL有:Java,C等
阅读全文
0 0
- TensorFlow Estimators: Managing Simplicity vs. Flexibility in High-Level Machine Learning Frameworks
- tensorflow-estimators
- TensorFlow学习笔记12----Creating Estimators in tf.contrib.learn
- A Summary of Current Machine Learning Frameworks
- Deep Machine Learning libraries and frameworks
- Level-Up Your Machine Learning
- Thinking In Machine Learning
- machine learning in R
- machine learning in action
- Hyperparameters in Machine Learning
- Machine Learning in Python
- Machine Learning in Action
- Machine Learning in Action_CH2_1_kNN
- Machine Learning in iOS
- Machine Learning In Action
- Machine Learning In Action
- Machine Learning In Action
- Machine Learning In Action
- 数组排序
- 关于mutable volatile explicit的简析
- opencv学习(一)存取像素值
- Linux下利用printf函数打印带颜色的字符串
- vector<vector<int>>的输入相关
- TensorFlow Estimators: Managing Simplicity vs. Flexibility in High-Level Machine Learning Frameworks
- 全排列生成算法
- 总结eclipse中安装maven插件
- 菜鸟之路spring cloud 学习|第一篇服务的注册与发现(eureka)
- UFDouble基本方法
- Vue.js手机端scroll事件的坑
- 解决springmvc注解开发报java.lang.IllegalArgumentException
- Centos6.5 安装Zabbix3.4
- Eureka 注册中心服务列表消失