Machine Learning Using TensorFlow

Análisis Y Revisión De La Aplicación Android: Machine Learning Using TensorFlow, Desarrollado Por reSolution. Listado En La Categoría Educación. La Versión Actual Es 1.0, Actualizada En 08/01/2019 . Según Las Revisiones De Los Usuarios En Google Play: Machine Learning Using TensorFlow. Logró Más De 6 Mil Instalaciones. Machine Learning Using TensorFlow Actualmente Tiene Revisiones De 42, Calificación Promedio De 2.2 Estrellas

El aprendizaje automático (ML) es el estudio científico de algoritmos y modelos estadísticos que los sistemas informáticos usan para mejorar progresivamente su rendimiento en una tarea específica.

Este tutorial proporciona varias aplicaciones de ML usando TensorFlow.

Tensorflow ™ es una biblioteca de software de código abierto para un cálculo numérico de alto rendimiento. Su arquitectura flexible permite una fácil implementación de cálculo en una variedad de plataformas (CPU, GPU, TPU), y desde escritorios hasta grupos de servidores a dispositivos móviles y de borde. Desarrollado originalmente por investigadores e ingenieros del equipo de Google Brain dentro de la organización de inteligencia artificial de Google, viene con un fuerte apoyo para el aprendizaje automático y el aprendizaje profundo y el núcleo de cálculo numérico flexible se usa en muchos otros dominios científicos.

Proporciona Siguientes aplicaciones:
1) Clasificación básica
Esta guía entrena un modelo de red neuronal para clasificar imágenes de ropa, como zapatillas de deporte y camisas.

2) Clasificación de texto
clasifica las revisiones de la película como Positivo o negativo usando el texto de la revisión.

3) Guardar y restaurar modelos
El progreso del modelo se puede guardar durante, y después de, entrante. Esto significa que un modelo puede reanudarse donde se dejó y evitar largos tiempos de entrenamiento. Esta aplicación proporciona cómo guardar y restaurar un modelo.

4) Reconocimiento de imágenes
Este tutorial le enseñará cómo usar el inicio- V3. Aprenderá a clasificar las imágenes en 1000 clases en Python.

5) Volver a entrenar una imagen
En este tutorial, reutilizaremos las capacidades de extracción de características de potentes clasificadores de imágenes entrenados en ImageNet y simplemente entrenar a Nueva capa de clasificación en la parte superior.