基于人工智能TensorFlow平台的建设与研究.pdf
《基于人工智能TensorFlow平台的建设与研究.pdf》由会员分享,可在线阅读,更多相关《基于人工智能TensorFlow平台的建设与研究.pdf(4页珍藏版)》请在咨信网上搜索。
1、 ISSN1672-4305CN12-1352/N实 验 室 科 学LABORATORY SCIENCE第 26 卷 第 4 期 2023 年 8 月Vol.26 No.4 Aug.2023 基于人工智能 TensorFlow 平台的建设与研究潘文婵,黄海平(南京邮电大学 计算机学院,江苏 南京 210023)摘 要:结合人工智能与大数据等相关专业,对人工智能 TensorFlow 平台的建设进行探讨。介绍图像识别算法,以及深度学习框架 TensorFlow 的工作原理,使用 TensorFlow 构建卷积神经网络实现 CIFAR-10 数据集分类,提高图像识别的准确率。建设人工智能 Tens
2、orFlow 平台,以大数据、机器学习、深度学习等学科为基础,推进人工智能教学、科研实践、创新服务的开展。新工科背景下对人工智能方向人才培养模式进行分析,以人工智能实验平台为载体,注重多学科交叉融合,培养复合型创新人才。关键词:人工智能;卷积神经网络;图像识别;深度学习中图分类号:G482 文献标识码:A doi:10.3969/j.issn.1672-4305.2023.04.011Construction and research of TensorFlow platform based on artificial intelligencePAN Wenchan,HUANG Haiping
3、(School of Computer Science,Nanjing University of Posts and Telecommunications,Nanjing 210023,China)Abstract:Combined with artificial intelligence,big data and other related majors,this paper discus-ses the construction of artificial intelligence TensorFlow platform.This paper introduces the image r
4、ec-ognition algorithm and the working principle of deep learning framework TensorFlow,and uses Tensor-Flow to construct convolutional neural network to realize the classification of CIFAR-10 data set,so as to improve the accuracy of image recognition.The construction of artificial intelligence Tenso
5、rFlow platform,promotes the development of artificial intelligence teaching,scientific research practice and innovative services based on big data,machine learning,deep learning and other disciplines.Under the background of new engineering,the cultivation mode of talents in artificial intelligence d
6、irection is analyzed.With artificial intelligence experimental platform as the carrier,multi-disciplinary integra-tion is emphasized to cultivate interdisciplinary and innovative talents.Key words:artificial intelligence;CNN;image recognition;deep learning 收稿日期:2021-10-29 修改日期:2022-08-10作者简介:潘文婵,硕士,
7、实验师,研究方向为人工智能、深度学习。E-mail:chris_pan 基金项目:2021 年国家自然科学基金(项目编号:62072252);南京邮 电 大 学 实 验 室 工 作 研 究 课 题(项 目 编 号:2020XSG08)。人工智能的浪潮正在席卷全球,机器学习(Ma-chine Learning)是当前比较有效的实现人工智能的方法。深度学习作为机器学习最热门的一个分支,在图像识别、语音识别、自然语言处理等领域得到广泛应用1。TensorFlow 是谷歌开源的一个深度学习框架,可以将复杂的数据结构传输至人工智能神经网络中进行分析和处理。借助其灵活的架构,用户可以在多种平台和设备上展开
8、计算。利用 Tensor-Flow,构建图像识别的深度学习模型,具有极其广阔的应用场景。云计算、大数据、物联网、人工智能等新一代信息技术的发展,人工智能的应用场景不断被挖掘。针对高校人工智能领域科技创新问题,结合大数据与人工智能相关专业人才培养体系,从适应社会需求的角度出发,提出人工智能 TensorFlow 平台的建设方案。人工智能实验平台以大数据、机器学习、深度学习等多学科技术为基础,推进人工智能教学、科研实践、创新服务的开展,提升学生的实践水平,着力培养“复合型、创新型”大数据与人工智能人才2。1 深度学习应用根据训练的模型不同,机器学习一般有四种学习方式:监督学习(Supervised
9、 Learning)、无监督学潘文婵,等:基于人工智能 TensorFlow 平台的建设与研究习(Unsupervised Learning)、半监督学习(Semi-su-pervised Learning)和强化学习(Reinforcement Learn-ing)。机器学习的常用算法根据训练数据是否拥有标记信息,大致划分为监督学习和无监督学习两类。在图像识别等领域,由于存在大量的非标注数据和少量的标注数据,半监督学习是当前机器学习的研究热点。机器学习通过输入大量数据对模型进行训练,得到输入数据和输出数据之间的复杂映射关系,进而对新输入的数据进行准确的分类和预测。即利用数据获得模型,再通过模
10、型进行预测,其直接的应用是在分类识别方面。图像识别是人工智能的一个重要领域,是指通过计算机对图像进行处理、分析,理解图像的内容,以识别各种不同模式的目标和对象。对于图像数据,深度学习具有优秀的特征选择和提取能力,在物体分类、识别、检测等众多领域得到广泛应用3。例如交通方面的汽车车牌识别技术,公共安全领域的人脸识别技术,医学方面的心电图智能识别技术等。2 人工智能 TensorFlow 平台2.1 TensorFlow 平台TensorFlow 是一个端到端的开源机器学习平台,采用数据流图,其中每个节点代表一个运算,每条边代表节点之间的输入、输出关系。TensorFlow支持的开发语言包括 Py
11、thon、Java、C+等多种编程语言,支持的平台包括 Windows、Linux、OSX、移动平台等,支持多平台灵活部署。TensorFlow 是跨平台的深度学习框架,用于大规模分布式数值计算,支持CPU 和 GPU 的运算,具有灵活的移植性,能够将训练好的模型部署到多种硬件、操作系统平台上 4。TensorFlow 安装步骤,在系统上安装 Python 开发环境,使用 Python 的软件包管理器 pip 安装 Tensor-Flow,在命令行中输入 pip install tensorflow,执行并完成安装。培养大数据与人工智能人才,探索新工科背景下产教融合的人才培养模式,成为近年来高
12、校亟待解决的问题 5。构建人工智能科研教学一体化的TensorFlow 平台,以大数据、机器学习、深度学习等学科为基础,将大数据与人工智能技术结合到相关专业教学中,提高学生的专业技术能力。2.2 TensorBoardTensorBoard 是 TensorFlow 的可视化工具,可以展示 TensorFlow 在运行过程中的计算图、定量指标图和附加数据。图 1 是 TensorBoard 的可视化量化指标,可以看到损失(loss)值在逐步减少,模型正在往好的方向发展。图 1 TensorBoard 可视化量化指标3 人工智能算法和模型机器学习是人工智能的核心,应用领域十分广泛,例如:计算机视
13、觉、自然语言处理、数据挖掘、医学诊断等。机器学习算法是从数据中分析获得规律,然后根据规律对未知数据做出预测和判断。传统的机器学习算法有 K 近邻算法、K 均值算法、梯度下降法、主成分分析法、决策树与随机森林等。深度学习是机器学习的一个分支,从数据中学习更加复杂的特征,从而提升分类或预测的准确性。深度神经网络(Deep Neural Networks,DNN)是很多人工智能应用的基础,在图像识别、语音识别和机器人等领域已广泛使用。传统的人工神经网络由三部分组成,分别是输入层、隐藏层和输出层。而深度神经网络构建更深的模型,隐藏层大于 2 层,抽象能力更强,能够适应复杂的数据集。深度神经网络是最广泛
14、使用的人工智能算法模型之一,对数据进行自动表征学习,抽取数据中的特征,能够提高人工智能模型的准确率。训练过程包含前向传播算法和反向传播算法,用损失函数来度量训练样本的输出损失,对损失函数进行优化求最小化的极值。当损失函数达到指定值或者最小值时,即完成模型的训练,达到预期效果。损失函数用来评价模型的预测值和真实值的不一致程度,损失函数越小,通常模型的性能就越好。深度学习软件框架是人工智能生态的核心,常见的深度学习框架有 TensorFlow、Caffe、Keras、MX-Net 等。一般来说,训练深度神经网络,在 GPU 上运行的速度要比 CPU 更快。4 图像识别模型使用 TensorFlow
- 配套讲稿:
如PPT文件的首页显示word图标,表示该PPT已包含配套word讲稿。双击word图标可打开word文档。
- 特殊限制:
部分文档作品中含有的国旗、国徽等图片,仅作为作品整体效果示例展示,禁止商用。设计者仅对作品中独创性部分享有著作权。
- 关 键 词:
- 基于 人工智能 TensorFlow 平台 建设 研究
1、咨信平台为文档C2C交易模式,即用户上传的文档直接被用户下载,收益归上传人(含作者)所有;本站仅是提供信息存储空间和展示预览,仅对用户上传内容的表现方式做保护处理,对上载内容不做任何修改或编辑。所展示的作品文档包括内容和图片全部来源于网络用户和作者上传投稿,我们不确定上传用户享有完全著作权,根据《信息网络传播权保护条例》,如果侵犯了您的版权、权益或隐私,请联系我们,核实后会尽快下架及时删除,并可随时和客服了解处理情况,尊重保护知识产权我们共同努力。
2、文档的总页数、文档格式和文档大小以系统显示为准(内容中显示的页数不一定正确),网站客服只以系统显示的页数、文件格式、文档大小作为仲裁依据,平台无法对文档的真实性、完整性、权威性、准确性、专业性及其观点立场做任何保证或承诺,下载前须认真查看,确认无误后再购买,务必慎重购买;若有违法违纪将进行移交司法处理,若涉侵权平台将进行基本处罚并下架。
3、本站所有内容均由用户上传,付费前请自行鉴别,如您付费,意味着您已接受本站规则且自行承担风险,本站不进行额外附加服务,虚拟产品一经售出概不退款(未进行购买下载可退充值款),文档一经付费(服务费)、不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
4、如你看到网页展示的文档有www.zixin.com.cn水印,是因预览和防盗链等技术需要对页面进行转换压缩成图而已,我们并不对上传的文档进行任何编辑或修改,文档下载后都不会有水印标识(原文档上传前个别存留的除外),下载后原文更清晰;试题试卷类文档,如果标题没有明确说明有答案则都视为没有答案,请知晓;PPT和DOC文档可被视为“模板”,允许上传人保留章节、目录结构的情况下删减部份的内容;PDF文档不管是原文档转换或图片扫描而得,本站不作要求视为允许,下载前自行私信或留言给上传者【自信****多点】。
5、本文档所展示的图片、画像、字体、音乐的版权可能需版权方额外授权,请谨慎使用;网站提供的党政主题相关内容(国旗、国徽、党徽--等)目的在于配合国家政策宣传,仅限个人学习分享使用,禁止用于任何广告和商用目的。
6、文档遇到问题,请及时私信或留言给本站上传会员【自信****多点】,需本站解决可联系【 微信客服】、【 QQ客服】,若有其他问题请点击或扫码反馈【 服务填表】;文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“【 版权申诉】”(推荐),意见反馈和侵权处理邮箱:1219186828@qq.com;也可以拔打客服电话:4008-655-100;投诉/维权电话:4009-655-100。