Semua proyek di TensorFlow yang saya lihat di GitHub mengimplementasikan beberapa jenis model Jaringan Saraf Tiruan. Mengingat TensorFlow merupakan peningkatan dari pada DAG (ini bukan asiklik lagi), saya bertanya-tanya apakah beberapa kekurangan yang melekat membuatnya tidak cocok untuk model pembelajaran mesin umum?
Dalam Model Komputasi TensorFlow, apakah mungkin untuk menerapkan algoritma pembelajaran mesin umum?
Jawaban:
Ini sedikit necropost, tetapi jika Anda masih tertarik, di sini adalah serangkaian tutorial tensorflow umum yang menjelaskan cara menjalankan sesuatu di tensorflow. Ini termasuk contoh melakukan regresi linier dan tetangga terdekat, jadi itu akan membantu dengan pertanyaan awal Anda.
https://github.com/aymericdamien/TensorFlow-Examples
Selain itu, di sini adalah tutorial tensorflow asli untuk melakukan persamaan diferensial di tensorflow. Memberi Anda gambaran tentang fleksibilitas dari grafik perhitungan tensorflow.
https://www.tensorflow.org/versions/r0.9/tutorials/pdes/index.html
Dengan TensorFlow Anda dapat menerapkan algoritma pembelajaran mesin apa pun yang bergantung pada penurunan gradien dan backpropagation (aturan rantai) atau dapat disajikan kembali seperti itu. Itu termasuk regresi logistik, mesin vektor dukungan dan banyak lainnya. Tapi saya tidak akan tahu bagaimana menerapkan hutan acak di TensorFlow.
Beberapa operasi numpy dicerminkan di TensorFlow, jadi jika Anda bisa mengimplementasikannya dalam numpy, porting ke TensorFlow bisa dilakukan secara langsung. Misalnya, berikut adalah contoh pengelompokan K-means: /programming/33621643/how-would-i-implement-k-means-with-tensorflow