S. Hochreiter and J. Schmidhuber, Long Short-Term Memory, Neural Comput., vol. 9, no. 8, pp. 1735–1780, 1997.http://www.bioinf.jku.at/publications/older/2604.pdf
@@ -107,7 +107,7 @@ J. Chung, C. Gulcehre, K. Cho, and Y. Bengio, Empirical Evaluation of Gated Recu
S. Hochreiter and J. Schmidhuber, Long Short-Term Memory, Neural Comput., vol. 9, no. 8, pp. 1735–1780, 1997. http://www.bioinf.jku.at/publications/older/2604.pdf
TensorFlow 模型还可用于在移动和嵌入式平台上运行的应用。 TensorFlow Lite 和 TensorFlow Mobile 是资源受限移动设备的两种 TensorFlow。与 TensorFlow Mobile 相比,TensorFlow Lite 支持功能的子集。由于较小的二进制大小和较少的依赖性,TensorFlow Lite 可以获得更好的表现。
TensorFlow 模型还可用于在移动和嵌入式平台上运行的应用。 TensorFlow Lite 和 TensorFlow Mobile 是资源受限移动设备的两种 TensorFlow。与 TensorFlow Mobile 相比,TensorFlow Lite 支持功能的子集。由于较小的二进制大小和较少的依赖项,TensorFlow Lite 可以获得更好的表现。
@@ -507,7 +507,7 @@ TensorBoard 计算图的可视化有关 R 中 TensorBoard 的更多文档,[请
您可以按照 Jupyter R 笔记本中的代码`ch-17d_TensorBoard_in_R`。
`tfruns`软件包是 R 中提供的非常有用的工具,有助于跟踪多次运行以训练模型。对于使用`keras``tfestimators`软件包在 R 中构建的模型,`tfruns`软件包自动捕获运行数据。使用`tfruns`非常简单易行。只需在 R 文件中创建代码,然后使用`training_run()`函数执行该文件。例如,如果你有一个`mnist_model.R `文件 ,那么在交互式 R 控制台中使用`training_run()`函数执行它,如下所示:
`tfruns`包是 R 中提供的非常有用的工具,有助于跟踪多次运行以训练模型。对于使用`keras``tfestimators`包在 R 中构建的模型,`tfruns`包自动捕获运行数据。使用`tfruns`非常简单易行。只需在 R 文件中创建代码,然后使用`training_run()`函数执行该文件。例如,如果你有一个`mnist_model.R `文件 ,那么在交互式 R 控制台中使用`training_run()`函数执行它,如下所示:
```r
library(tfruns)
...
...
@@ -522,7 +522,7 @@ training_run('mnist_model.R')
![](img/cf30d6bc-8aea-4c3f-84e1-7567857412db.png)tfruns visualization of the accuracy and loss values
在本章中,我们学习了如何在 R 中使用 TensorFlow 核心,TensorFlow 估计器和 Keras 包来构建和训练机器学习模型。我们提供了来自 RStudio 的 MNIST 示例的演练,并提供了有关 TensorFlow 和 Keras R 软件包的进一步文档的链接。我们还学习了如何使用 R 中的可视化工具 TensorBoard。我们还介绍了一个来自 R Studio 的新工具`tfruns`,它允许您为多次运行创建报告,分析和比较它们,并在本地保存或发布它们。
在本章中,我们学习了如何在 R 中使用 TensorFlow 核心,TensorFlow 估计器和 Keras 包来构建和训练机器学习模型。我们提供了来自 RStudio 的 MNIST 示例的演练,并提供了有关 TensorFlow 和 Keras R 包的进一步文档的链接。我们还学习了如何使用 R 中的可视化工具 TensorBoard。我们还介绍了一个来自 R Studio 的新工具`tfruns`,它允许您为多次运行创建报告,分析和比较它们,并在本地保存或发布它们。
直接在 R 中工作的能力很有用,因为大量的生产数据科学和机器学习代码是使用 R 编写的,现在您可以将 TensorFlow 集成到相同的代码库中并在 R 环境中运行它。