19、基于TensorFlow的高级多媒体编程与强化学习

基于TensorFlow的高级多媒体编程与强化学习

一、TensorFlow多媒体编程

1. 代码示例与可用性

有如下代码：

exp = tf.training.Experiment(
    model,
    train_input_fn=train_inputs,
    eval_input_fn=eval_inputs)
exp.run(...)

不过，目前上述代码不可运行，但 tf.keras 模块很快就会可用，届时仅需15行代码就能进行视频分析。可以参考Keras 2017年春季路线图（ https://github.com/fchollet/keras/issues/5299 ）来查看 tf.keras 和 tf.contrib 的可用性。

2. 深度学习在安卓设备上的应用

通常认为深度学习和TensorFlow是在大数据中心的大规模GPU集群上运行的，但实际上在移动设备上交互式运行深度学习能提供前所未有的独特用户体验。移动应用潜力巨大，因为人们每天都会使用。以下是一些基于深度学习的移动应用示例：
- 实时翻译
- 键盘预测下一个单词
- 照片扫描应用帮助扫描旧照片
- Snapchat正在实时进行的各种有趣功能
- 医疗移动应用辅助疾病诊断

<