TensorFlowの日本語まとめ

TensorFlowの公式サイトに書かれている英文を英語ど素人が翻訳(日本語訳/和訳)します。 間違いがありましたら、優しく教えていただけますと幸いです。 内容を理解したら、使ってみたい。

導入

それでは、TensorFlowを取得して実行してみましょう!

Python APIのように見えるTensorFlowコードを覗いてみましょう

ここでは、二次元でいくつかのデータを構成する小さなPythonプログラムとそのプログラムに行を適合します。

スポンサーリンク

 

 


import tensorflow as tf

import numpy as np

 

# Create 100 phony x, y data points in NumPy, y = x * 0.1 + 0.3

x_data = np.random.rand(100).astype("float32")

y_data = x_data * 0.1 + 0.3

 

# Try to find values for W and b that compute y_data = W * x_data + b

# (We know that W should be 0.1 and b 0.3, but Tensorflow will

# figure that out for us.)

W = tf.Variable(tf.random_uniform([1], -1.0, 1.0))

b = tf.Variable(tf.zeros([1]))

y = W * x_data + b

 

# Minimize the mean squared errors.

loss = tf.reduce_mean(tf.square(y - y_data))

optimizer = tf.train.GradientDescentOptimizer(0.5)

train = optimizer.minimize(loss)

 

# Before starting, initialize the variables. We will 'run' this first.

init = tf.initialize_all_variables()

 

# Launch the graph.

sess = tf.Session()

sess.run(init)

 

# Fit the line.

for step in xrange(201):

 sess.run(train)

  if step % 20 == 0:

   print(step, sess.run(W), sess.run(b))

 

# Learns best fit is W: [0.1], b: [0.3]

 


このコードの最初の部分は、データフローグラフを構築します。セッションが作成され、run関数が呼び出されるまでTensorFlowは、実際に計算を実行しません。
さらに、あなたの欲求を満たしてくれるために、我々はあなたが古典的な機械学習の問題はTensorFlowでどのように見えるかを検査することをお勧めします。

ニューラルネットワークの世界で最も「古典的な」古典的な問題がMNISTの手書き数字の認識です。
私たちは、ここでは2つの導入、機械学習の初心者のための1つ とプロのための1つを提供しています。


すでに他のソフトウェアパッケージでMNISTモデルの数十を訓練した場合、赤い錠剤を服用してください。
あなたがMNISTを聞いたことがない場合は、間違いなく青い錠剤服用します。

あなたが、その間にいるのであれば、我々は青を読み流した後、赤をお勧めします。

f:id:TensorFlow:20160103003747p:plain

 

f:id:TensorFlow:20160103003805p:plain


Images licensed CC BY-SA 4.0; original by W. Carter

あなたが既に確認している場合は、TensorFlowを先に学びインストールしたいのであれば、これらをスキップすることができます。心配しないであなたはまだMNISTに会えます。私たちは、TensorFlowの機能について工夫した技術チュートリアルの説明として、MNISTを使っています。

 

f:id:TensorFlow:20151216222209j:plain


(原文サイト)

Introduction