论文一种移动式TensorFlow平台的卷积神经网络设计方法是适合神经网络设计论文写作的大学硕士及相关本科毕业论文，相关神经网络设计开题报告范文和学术职称论文参考文献下载。
摘 要：近年来,随着卷积神经网络理论的快速发展和移动设备的普及,基于移动式TensorFlow平台构建化的卷积神经网络分类模型,成为深度学习爱好者的主要研究方向之一.将个人图片库作为训练集输入模型,通过调整阀值和权值,最终获得化的分类模型,满足个性化的分类需求.对移动式TensorFlow平台、卷积神经网络及其移植到移动平台上的相关步骤进行了研究.通过此开发流程,为进一步使用移动式TensorFlow平台解决现实图片分类问题提供了参考.
关键词：移动式；TensorFlow；卷积神经网络；人工智能
中图分类号：TP18 文献标识码：A 文章编号：1009-3044（2017）22-0179-04
1概述
即便是普通人也可以在有摄像头的手机上运行Tensofr-How的Inception分类器,甚至是自定义的分类器.然后只要把摄像头对准希望做分类的东西,TensorHow就会给出结果一它认为这是什么东西.2017年2月16日PeteWarden在Tensor-How Dev Summit 2017上的一篇以Mobile a11d Embedded Tensor-How为题的报告,引发了深度学习爱好者对于移动式Tensor-How平台的热情.
一个皮肤癌图像分类的应用案例：一位小哥拿到了一批皮肤癌的数据,使用一个pretrained的inception-v3这些数据做了一个inference,并把它搭建在手机上,完成一个app用来做皮肤癌的早期检测,并实现了很高的准确率.这是一个利用廉价的移动设备,结合计算机视觉和深度学习技术,有效检测是否有皮肤癌,大大节省医疗检测成本的成功案例.
TensorHow作为一个开源的深度学习平台,实现了对卷积神经网络的良好支持.卷积神经网络提供了一种端到端的学习模型,模型中的参数可以通过传统的梯度下降方法进行训练,经过训练的卷积神经网络能够学习到图像中的特征,并且完成对图像特征的提取和分类.它在图像分类、语音识别、目标检测等领域取得了一系列重大的研究成果.而移动式的TensorFlow平台更是为卷积神经网络的应用插上了飞翔的翅膀.下面,分别介绍移动式TensorFlow平台和卷积神经网络.
2移动式TensorFlow平台
2.1TensorFlow简介
TensorFlow是谷歌基于DistBelief进行研发的第二代人工智能开源学习系统.如今Google对待TensorHow系统,有点类似于该公司对待旗下移动操作系统Android.它是一个采用数据流图（dataflow graphs）,用于数值计算的开源软件库.其命名来源于本身的原理,Tensor（张量）意味着N维数组,Flow（流）意味着基于数据流图的计算.Tensofflow运行过程就是张量从图的一端流动到另一端的计算过程.张量从图中流过的直观图像是这个工具取名为“TensorFlow”的原因.
Tensorflow的特性：
1）高度的灵活性：TensorFlow不是一个严格的“神经网络”库.只要你可以将你的计算表示为一个数据流图,你就可以使用TensorFlow.
2）可移植性（Portabihty）：Tensorflow可以运行在台式机、服务器、手机移动等等设备上.而且它可以充分使用计算资源,在多CPU和多GPU上运行.
3）多语言支持：Tensorflow提供了一套易用的Pvthon使用接口来构建和执行graphs,也同样提供了一套易于C++使用的接口f目前训练神经网络只支持python,C++接口只能使用已经训练好的模型）.未来还会支持Go、Ja、Lua、JaScript、R等等.
4）性能最优化：TensorFlow给予了线程、队列、异步操作等最佳的支持,TensorFlow可以把你手边硬件的计算潜能全部发挥出来,它可以充分利用多CPU和多GPU.
本文主要借助此平台搭建个人专属的自学习图片分类器模型,并实现在移动设备上实时地进行图片的识别分類工作.
2.2移动式TensorFlow平台的搭建
1）TensorFlow的安装可参考提供的教程.
下面仅演示在Ubuntu 16.4 64位python2.7环境下,通过pip安装TensorFlow的相关代码
#Ubuntu/Linux 64-bit
#Ubuntu/Linux 64-bit,CPU 0nly,Python 2.7：
2）然后下载安卓的SDK和NDK,并将其解压缩到你的Ten-sorFlow目录里.
下载额外的SDK编译工具
下载安卓NDK,并解压缩：
下载分类器Inception
为了使用安卓工具编译应用,需修改WORKSPACE文件
拷贝下面的代码,并替换掉WORKSPACE文件里的相应行.
3）开启USB调试和adb工具
为了测试调试设置是否成功,可以把手机连上电脑,并用下面的命令安装adb,并测试设备：
至此,就可以在安卓设备上使用TensorFlow和Inception分类器了.需要注意的是,这个分类器会有偶尔出错的时候.原版的Inception分类器只能识别ImogeNet挑战里出现的1000种图片分类.
2.3TensorFlow的数据流图
TensorFlow包含图、张量、操作、会话、变量等基本概念.其程序通常被组织成一个构建阶段和一个执行阶段.构建阶段,op的执行步骤会被描述成一个图；执行阶段,创建一个Session对象,使用会话执行图中的op,使用完成后关闭以释放资源.用数据流图可表示如图1：
总结:本论文可用于神经网络设计论文范文参考下载，神经网络设计相关论文写作参考研究。
参考文献：
1、 基于卷积神经网络语音情感识别 摘 要：语音识别对于人机交互而言一直以来都是非常重要的。而仅仅识别语音的内容，忽略它的情感是不完整的识别。因此，对语音情感的研究十分有必要。卷积。
2、 最大相关峭度解卷积结合稀疏编码收缩齿轮微弱 摘要： 针对强背景噪声环境下齿轮早期故障诊断问题，提出了最大相关峭度解卷积（Maximum Correlated Kurtosis Deconv。
3、 基于卷积神经网络的短文本分类方法 摘 要：文本分类一直是自然语言处理中一个备受关注的问题，在邮件分类、文件检索、用户情感识别等领域有着广阔的应用。同时人工智能飞速发展，卷积神经网。
4、 卷积神经网络在语言识别中应用 摘 要 近年来，随着理论的发展与大数据的来临，人工智能、深度学习再度成为学术界研究的热点。本研究的主要目标是通过卷积神经网络实现对江苏省方言的分。
5、 基于全卷积神经网络的图像缩略图生成算法 摘要：为提高缩略图生成中有效信息的保留率，该文提出一种基于全卷积人工神经网络并以图像显著性图驱动的缩略图生成算法。算法可有效识别图像中显著性区域。
6、 阵列卷积低密度奇偶校验码 摘要：低密度奇偶校验（LDPC）码作为一种特殊的线性分组码，因其在各种数据传输和存储环境中接近香农极限的优异性能，在现代通信差错控制编码中有着广。