srcminiTensorFlow非常适合python软件包, 并且许多功能与Python相同。但是TensorFlow的核心是分布式运行时。此功能以多种语言实现, 其中一种是Python。
它是Tensor Flow的分布式执行引擎或运行时引擎的图。可视化以上图片的另一种方法是将其视为虚拟机, 其语言如C, C ++, R, Java等。下面说明在TensorFlow中使用这些API。
TensorFlow的C API
唯一获得TensorFlow官方支持的API是C和Python API(某些部分)。每当我们要为其他一些语言制作TensorFlow API时, 都应使用C API, 因为许多语言都有与C语言连接的方式。
TensorFlow的C ++ API
TensorFlow的运行时用C ++编写, 并且大多数C ++通过张量流中的头文件连接到TensorFlow。 C ++ API仍处于开发的试验阶段, 但Google承诺使用C ++。
TensorFlow的R API
由RStudio制造的TensorFlow的R API具有一些不同的方法来提供API支持。 R API完全包含python API, 这与TensorFlow的API不同。但是R的用户可以使用Python API的所有功能。
TensorFlow的Python API
当涉及Tensor Flow及其开发时, Python API是核心语言。它是TensorFlow支持的首批语言之一, 并且仍支持大多数功能。 Python API种类繁多, 我们将不得不选择TensorFlow中的API级别；我们要继续努力。
TensorFlow项目中的API
TensorFlow内部的API仍基于Python, 并且为用户提供了低级选项, 例如tf.manual或tf.nnrelu, 它们用于构建神经网络体系结构。这些API还用于设计具有更高抽象级别的深度神经网络。
此集合可用的功能如下：
- 自动检查点
- 自动记录
- 单独的培训/评估/预测
- 简化培训分配。
TensorFlow提供了经验丰富的多队列, 多线程和队列运行器设计, 用于加载数据。 TensorFlow的开发人员提供了数据集API来解决此问题, 并提供糖果界面作为奖励。
TensorFlow项目之外的API
机器学习爱好者在TensorFlow项目之外开发的其他一些TensorFlow API。
- TFLearn：此API不能视为TF Learn, 它是Tensor Flow的tf.contrib.learn。它是一种单独的Python包。
- Tensor Layer：它是一个单独的软件包, 与Tensor Flow的layers API所包含的不同。
- 美化Tensor：这是一个Google项目, 可通过链接提供流畅的界面。
- 十四行诗：这是Google Deep Mind的一个项目, 采用模块化方法。
我们必须了解用于不同语言的TensorFlow API。此外, 我们还研究了TensorFlow与Python有何不同以及它如何在机器学习和深度神经网络领域中获得自己的身份。
评论前必须登录！
注册