R语言携手TensorFlow进军深度学习

Posted R语言交流中心

tags:

篇首语:本文由小常识网(cha138.com)小编为大家整理,主要介绍了R语言携手TensorFlow进军深度学习相关的知识,希望对你有一定的参考价值。

当大家热火朝天的使用着Python在构建深度学习模型的时候。TensorFlow官网悄悄的为R语言做了R包-tensorflow。

R语言携手TensorFlow进军深度学习

  1. Tensor Flow 包的安装:install.packages("tensorflow")。

R语言携手TensorFlow进军深度学习

2. Tensor Flow 的启动:library(tensorflow);install_tensorflow()。

R语言携手TensorFlow进军深度学习

如果你是初次安装,那么启动会出现上面的问题,那么其实还是需要有Python的环境,才能运行Tensorflow。

3. Win10下安装Python3.6.5。

由于直接官网下载会比较慢,所以建议直接把下载的链接复制到迅雷中,会下载快一点。

R语言携手TensorFlow进军深度学习

接下来就可以启动TensorFlow了。

注意:由于网络问题在R语言中安装Tensorflow可能会出错,如果出错,也可选择使用管理员身份运行CMD中的pip3进行安装。

R语言携手TensorFlow进军深度学习

R语言携手TensorFlow进军深度学习

安装好TensorFlow后后续的验证可以直接进入python 的运行界面,直接载入查看,结果如下表示已安装好:

R语言携手TensorFlow进军深度学习

4. 我们来实验下官方提供的例子。例子主要的目的是实现对线性拟合的参数再现。

代码如下:

library(tensorflow)

 

# Create100 phony x, y data points, y = x * 0.1 + 0.3

x_data<- runif(100, min=0, max=1)

y_data<- x_data * 0.1 + 0.3

 

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

# (Weknow that W should be 0.1 and b 0.3, but TensorFlow will

# figurethat out for us.)

W <-tf$Variable(tf$random_uniform(shape(1L), -1.0, 1.0))

b <-tf$Variable(tf$zeros(shape(1L)))

y <- W* x_data + b

 

#Minimize the mean squared errors.

loss<- tf$reduce_mean((y - y_data) ^ 2)

optimizer<- tf$train$GradientDescentOptimizer(0.5)

train<- optimizer$minimize(loss)

 

# Launchthe graph and initialize the variables.

sess =tf$Session()

sess$run(tf$global_variables_initializer())

 

# Fit theline (Learns best fit is W: 0.1, b: 0.3)

for (stepin 1:201) {

  sess$run(train)

  if (step %% 20 == 0)

    cat(step, "-", sess$run(W),sess$run(b), "\n")

}

运行结果:

R语言携手TensorFlow进军深度学习

今天主要讲解R语言是如何与TensorFlow进行写作工作的,后续的工作将进一步深入探究其更多的应用。

 

欢迎大家学习交流:


以上是关于R语言携手TensorFlow进军深度学习的主要内容,如果未能解决你的问题,请参考以下文章

TensorFlow2深度学习实战(十七):目标检测算法 Faster R-CNN 实战

深度学习框架介绍

问题集录--TensorFlow深度学习

R语言做深度学习

Code For Better 谷歌开发者之声 ——Tensorflow与深度学习

TensorFlow DNNRegressor实现深度学习的代码