RStudio发布新接口，在R语言中使用TensorFlow

AiTechYun

编辑：yuxiangyu

R语言是一种自由软件编程语言与操作环境，主要用于统计分析、绘图、数据挖掘、机器学习等。今日RStudio发布博文称，已为TensorFlow创建了R接口，使R用户能方便的使用TensorFlow。

在过去的一年中，我们一直在努力为Google的开源机器学习框架TensorFlow创建R接口。我们之所以如此关注它，最重要的是TensorFlow为深度学习应用提供了最先进的基础设施。

在谷歌开源后的这两年里，TensorFlow迅速成为机器学习从业者和研究人员的首选框架。周六，我们的JJ Allaire在rstudio :: conf的主题演讲中正式宣布了我们关于TensorFlow的工作：

视频链接：http://imgcdn.atyun.com/2018/02/Machine-Learning-with-R-and-TensorFlow.mp4?_=1

在主题演讲中，JJ不仅描述了我们在TensorFlow上所做的工作，而且还深入地讨论了深度学习（深度学习是什么，它是如何工作的，以及它在未来几年可能与R的用户相关的地方，视频搬运自youtube）。

新的包和工具

TensorFlow的R接口由一套R包组成，它们为TensorFlow提供了各种接口，用于不同的任务和抽象层次，包括：

keras– 神经网络的高级接口，主要用于快速实验。

tfestimators– 通用模型类型的实现，如回归器和分类器。

tensorflow– 向TensorFlow计算图的底层接口。

tfdatasets– TensorFlow模型的可扩展输入管道。

除了TensorFlow的各种R接口之外，还有一些工具有助于训练的工作流程，包括在RStudio IDE中对训练指标的实时反馈：

tfruns包提供了跟踪和管理TensorFlow训练时的运行和实验的工具：

访问GPU

训练CNN或RNN可能非常耗费算力，而能够使用高端的英伟达GPU可以缩短训练时间。但是，大多数用户在本地没有这种硬件。为了解决这个问题，我们提供了多种在云中使用GPU的方法，包括：

cloudml包，一个接到谷歌的托管机器学习引擎的R接口。

带有Tensorflow-GPU的RStudio服务器（一个Amazon EC2映像，配置了NVIDIA CUDA驱动程序、TensorFlow、R接口的TensorFlow以及RStudio服务器）。

使用Paperspace服务设置Ubuntu 16.04云桌面和GPU的详细说明。

如果你已经拥有所需的英伟达GPU硬件，还可以在本地工作站上设置 GPU。

设置说明：https://tensorflow.rstudio.com/tools/local_gpu.html

学习资源

TensorFlow for R：https://tensorflow.rstudio.com/

Deep Learning with R：https://www.amazon.com/Deep-Learning-R-Francois-Chollet/dp/161729554X

Deep Learning with Keras Cheatsheet：https://github.com/rstudio/cheatsheets/raw/master/keras.pdf

Gallery：https://tensorflow.rstudio.com/gallery/

Examples：https://tensorflow.rstudio.com/learn/examples.html