Hello, TensorFlow. Библиотека машинного обучения от Google

[viatoriche]

Спасибо за перевод. Отличный продукт, отличная статья. Действительно, более понятно и логично, нежели scikit-learn. Было очень интересно читать. Установил TF, буду изучать.

[tomzarubin]

Понятность с первого взгляда всегда выделяла тензоры на фоне функций, они такие.

[caffeinum]

Не знаю, студенты кафедры высшей математики с вами не согласились бы

[tomzarubin]

Это был сарказм, конечно же. Сам удивился как TF может быть понятен больше, чем sklearn. С его «линейностью» и прекрасной документацией.

[SKolotienko]

sklearn, по моему мнению, более универсальная вещь для широкого спектра задач. Там ведь есть не только классификаторы/регрессоры, но и куча других вещей типа предобработки данных, выделения признаков и пр.

[JRazor]

“6006” это “goog” вверх ногами

Мне определенно нравится их чувство юмора

[SKolotienko]

Я правильно понимаю, что сейчас нет возможности под Windows запустить TensorFlow с поддержкой GPU?

[vesper]

а что, есть возможность запустить без поддержки GPU под Windows? есть мануал для создания pip wheel из исходников?

[SKolotienko]

Если погуглить TensorFlow + Windows, то находятся какие-то способы запуска. Я не до конца разобрался, но там вроде какая-то виртуалка используется.

[azalio]

уже можно нативно.

[jinxu]

в конечной версии кода
summary_writer = tf.train.SummaryWriter('log_simple_stats', sess.graph)

а в статье
$ tensorboard --logdir=log_simple_graph

если просто скопировать/вставить то tensorboard не будет работать

[constructor]

Версия финального примера для tensorflow v1.1.0:

import tensorflow as tf

print("tensorflow version: {0}".format(tf.__version__))

x = tf.constant(1.0, name='input')
w = tf.Variable(0.8, name='weight')
y = tf.multiply(w, x, name='output')
y_ = tf.constant(0.0, name='correct_value')
loss = tf.pow(y - y_, 2, name='loss')
train_step = tf.train.GradientDescentOptimizer(0.025).minimize(loss)

for value in [x, w, y, y_, loss]:
    tf.summary.scalar(value.op.name, value)

summaries = tf.summary.merge_all()

sess = tf.Session()
summary_writer = tf.summary.FileWriter('log_simple_graph', sess.graph)

sess.run(tf.global_variables_initializer())
for i in range(100):
    summary_writer.add_summary(sess.run(summaries), i)
    sess.run(train_step)