Building LargeScale Artificial Intelligence Application
作者：禅与计算机程序设计艺术
1.简介
近几年，人工智能（AI）在各行各业都火起来了。AI可以做很多事情，比如识别图像、翻译文本、预测股市涨跌等等。然而，真正落地应用 AI 的难度非常高。因为 AI 模型需要训练数据量很大，训练时间也比较长，而且还需要大量的人力资源。因此，如何快速准确地构建大规模的 AI 系统是一个重要课题。
TensorFlow 是 Google 开源的一个用于机器学习的开源框架，它的特点就是简单灵活，能够支持不同层次的模型。它被广泛地应用在图像识别、自然语言处理、推荐系统等领域。本书将从头到尾教你搭建一个实际可用的基于 TensorFlow 的 AI 系统，并对其进行性能优化，使之达到实时响应的要求。
通过阅读本书，你可以了解以下知识：
- 理解什么是深度学习、神经网络；
- 掌握 TensorFlow 中不同组件的作用及其用法；
- 训练更复杂的神经网络模型；
- 使用 TensorFlow 的分布式计算功能提升训练效率；
- 使用 TensorFlow 框架实现端到端的深度学习系统；
- 测试和调优 AI 系统性能。
2.核心概念及术语
2.1 深度学习
深度学习是一种机器学习方法，它利用多层神经网络进行模式识别。深度学习将原始输入数据转换成一个隐含的表示形式，该隐含的表示形式包含多个不同的特征。深度学习系统能够从数据中发现隐藏的模式。深度学习能够从原始数据中学习到有效的特征表示，并且这些特征可以用于各种任务。
深度学习系统由两大主要组成部分：
- 前向传播：前向传播
本文来自互联网用户投稿，文章观点仅代表作者本人，不代表本站立场，不承担相关法律责任。如若转载，请注明出处。 如若内容造成侵权/违法违规/事实不符，请点击【内容举报】进行投诉反馈！