发新帖

论坛里用 Eager Execution 的人多么?

[复制链接]
1350 1

快来加入 TensorFlowers 大家庭!

您需要 登录 才可以下载或查看,没有帐号?加入社区

x
本帖最后由 crayfish 于 2018-4-18 17:52 编辑

相关资料不多,但觉得应该是上手比较简单。 看官方的简介,还是挺有吸引力的

https://tensorflow.google.cn/programmers_guide/eager?hl=zh-CN

(基本上是机器翻译的,略作调整。不足之处请跟帖留言,尽快更改。。。)
TensorFlow's eager execution is an imperative programming environment that evaluates operations immediately, without an extra graph-building step.
TF的eager execution是一个命令式编程环境,可以立即执行操作,不需要建计算图(graph)。

Operations return concrete values instead of constructing a computational graph to run later.
操作返回具体的值,而不是构建一个计算图以便以后运行。

This makes it easy to get started with TensorFlow, debug models, reduce boilerplate code, and is fun!
这使得初学TensorFlow、调试模型、减少模板代码变得很容易,而且很有趣!

Eager execution supports most TensorFlow operations and GPU acceleration.
Eager execution支持大多数的TensorFlow操作和GPU加速。

Automatic differentiation uses a dynamically-constructed tape instead of a static graph to compute gradients.
自动微分使用动态构建的tape代替静态图来计算梯度。

Eager execution is a flexible machine learning platform for research and experimentation that provides:
Eager execution是一个灵活的机器学习平台,用于研究和实验,提供:

  • An intuitive interface —Structure your code naturally and use Python data structures. Quickly iterate on small models and small data.
  • 直观的界面:自然地构造代码并使用Python数据结构。快速迭代小模型和小数据。
  • Easier debugging —Call ops directly to inspect running models and test changes. Use standard Python debugging tools for immediate error reporting.
  • 更容易调试:直接调用ops来检查运行的模型和测试更改。使用标准的Python调试工具进行即时错误报告。
  • Natural control flow —Use Python control flow instead of graph control flow, including support for dynamic models.
  • 自然的控制流:使用Python控制流而不是图控制流,包括对动态模型的支持。



本楼点评(0) 收起

精彩评论1

舟3332  TF芽芽  发表于 2018-4-19 20:41:41 | 显示全部楼层
TF 对 eager 的支持很不错,用起来很方便啦~
本楼点评(0) 收起
您需要登录后才可以回帖 登录 | 加入社区

本版积分规则

快速回复 返回顶部 返回列表