Основе Тенсорфлова - Шта је Тенсорфлов? - Инсталација Тенсорфлова

Преглед садржаја:

Anonim

Увод у Тенсорфлов

Тенсорфлов је софтвер и библиотека отвореног кода. Развио га је Гоогле Браин тим који је саградио истраживачки тим за вештачку интелигенцију на гоогле-у 2010. Гоогле га је користио за интерну употребу након што је објављен под Апацхе2.0 Опен соурце - 2015. У овој теми идемо на сазнајте више о основама Тенсорфлова.

Тенсорфлов је систем друге генерације гоогле мозга. Верзија 1 објављена је 11. фебруара 2017. Тенсорфлов 1.0 сада је имао Питхон АПИ и АПИ за јава, а ГО језик је такође додат у верзију 1.0. Тенсорфлов операција неуронске мреже изведена је на вишедимензионалном низу података, који се назива тензор. Ради са тензорима. То је библиотека софтвера за дубинско учење и углавном ради за нумеричко рачунање користећи графиконе протока података.

Шта су Тенсорфлов основе?

Тензори су објекти који описују линеарни однос између вектора, скалара и других тензора. Тензори нису ништа друго него вишедимензионални низови.

Тенсорфлов пружа подршку за писање кода према вашим захтевима и приступ различитим врстама алата. Можемо написати код Ц ++ и позвати Ц ++ код са питхона. Или можемо написати питхон код и назвати га Ц ++.

Гледано изнад слике, најнижи слој који подржава два језика прво је Питхон језик, а други Ц ++ језик. Можете је написати на било којем језику у вашој зони комфора. Садржи колекцију различитих математичких библиотека које помажу у једноставном креирању математичких функција.

Такође пружа подршку за обраду попут ЦПУ-а, ГПУ-а, ТПУ-а и такође ради на андроид мобителима.

Тф.лаиерс : - тф.лаиерс се користи за апстрактну методу тако да можете прилагодити слојеве неуронских мрежа.

Тф.естиматор : - тф.естиматор је најчешће коришћен АПИ у тенсорфлову. Помаже у креирању и обуци, тестирању вашег модела.

Инсталација Тенсорфлова

  • Прво проверите своју верзију пип-а, ако није последња, а затим покрените следећу наредбу за надоградњу пипа

пип инсталл - надоградња пип

  • Покрените испод кода да бисте инсталирали једноставнију верзију Тенсорфлова

пип инсталација тенсорфлов / цонда инсталација тенсорфлов (Анацонда)

  • Ово ће инсталирати Тенсорфлов са конфигурацијама које подржава гпу.

пип инсталл Тенсорфлов-гпу

Пример тф.естиматор-а за употребу класификатора по 3 реда кода

Import tensorflow as tf
classifier = tf.estimator.LinearClassifier(feature_columns)
classifier.train(input_fn=train_input_function, steps=2000)
predictions = classifier.predict(input_fn=predict_input_function)

Основни типови података Тенсорфлова

Основни типови података у оквиру Тенсорфлов-а (тензори)

Испод је приказана свака димензија тензора.

  • Скаларни - О димензионални низ
  • Вектор - 1 димензионални низ
  • Матрица - 2 димензионални низ
  • 3Д тензор - 3 димензионални низ
  • Н - Д Тенсор - Н-димензионални низ

Стални тензори

Променљиве

тф.Вариабле класа, за креирање променљиве у тенсорфлову и позивање функције тф.гет_вариабле

Иницијализација променљивих

Да иницијализирамо променљиве, позивањем тф.глобал_вариаблес_инитиализер можемо иницијализовати све променљиве.

Једноставни пример променљивих и математичких израза

Нормалан начин

а = 3, 0, б = 8 * а +10

Тенсорфлов начин

ц = тф.Вариабле (тф.адд (тф.мултипли (Кс, а), б)

Графови

Сваки редак нашег кода написан у тенсорфлову претвара се у доњу табелу

Пример:

  • Чворови: Представља математичке операције.
  • Ивице: представља вишедимензионални низ (тензори) и показује како они међусобно комуницирају.

Тенсорфлов 2.0

  • У другој верзији Тенсорфлов-а усредсредили су се на то да АПИ буде једноставнији и лакши за употребу.
  • АПИ компоненте се боље интегришу са Керасом, по дефаулту је активиран жељни начин извршења.
  • Еагер Моде: Еагер изведба је покренут интерфејс где се операције извршавају одмах како се зову из Питхон-а.
  • Уместо графичког режима можемо да користимо жељни режим рада. Можемо израчунати шта нам је потребно за израчунавање и одмах можемо добити резултате. Ово ће учинити Тенсорфлов једноставним као и Питорцх
  • Фокусирање на уклањање дупликата АПИ-ја.

Керас

  • Тенсорфлов нуди АПИ на високом нивоу за изградњу и обуку модела дубоког учења. Ово није укључено у тенсорфлов, али у најновијем издању Керас је уврштен у Тенсорфлов 2.0.
  • Једноставан за употребу: Керас пружа једноставан, доследан интерфејс за уобичајене случајеве.
  • Модуларно и компоновање: Керас модели су направљени спајањем грађевних блокова заједно.
  • Лако за проширење: Креирајте или ажурирајте нове слојеве, метрике, функције губитка
  • Користите тф.керас за употребу Керас модела.

Тенсорфлов Лите

  • Године 2017. Гоогле је најавио софтвер који је посебно направљен за развој мобилних уређаја, Тенсорфлов Лите.
  • Тенсорфлов Лите (ТФЛите) је лагано решење за закључивање мобилних уређаја.
  • Такође можемо да га користимо за ИОС и Андроид креирањем Ц ++ АПИ-ја, као и Јава омота класе за Андроид програмере.

Листа алгоритама који Тенсорфлов подржава

1. За регресију

  • Линеарна регресија (тф.естиматор. Линеарна регресија)
  • Регресија стабла за повишење дрвета (тф.естиматор. Побуђени регресор дрвета)

2. За класификацију

  • Класификација (тф.естиматор. Линеарни класификатор)
  • Комбиновано дубоко учење (тф.естиматор. ДННЛинеарЦомбинедЦлассифиер)
  • Појачани класификатор стабала (тф.естиматор. Појачани стабло класификатора)

Карактеристике Тенсорфлов-а

  • Тенсорфлов ефикасно ради са различитим типовима математичких израза који укључују вишедимензионалне низове (тензори)
  • Такође пружа подршку за неуронске мреже дубоког учења и друге концепте машинског учења.
  • Тенсорфлов може да ради на више ЦПУ-а и ГПУ-а.
  • Такође обезбеђује сопствену моћ процесирања која је тензорска процесна јединица.

Јединица за обраду тензора (ТПУ)

  • Гоогле је најавио своју Тенсор процесорску јединицу (ТПУ) специфичан за апликацију интегрисани круг (Хардверски чип), изграђен посебно за машинско учење и прилагођен Тенсорфлову.
  • 2017. године Гоогле је најавио другу верзију Тенсорфлов-а, као и доступност ТПУ-ова у гоогле облаку.
  • ТПУ је програмирљиви АИ акцелератор и направљен за употребу или покретање модела. Гоогле управља ТПУ-овима у својим центрима података више од годину дана.

Едге ТПУ

  • Едге ТПУ је чип који гооглес израђен за дизајниране и покренуте Тенсорфлов Лите моделе машинског учења (МЛ) ради на малим рачунарским уређајима као што су паметни телефони.
  • Велика скалабилност за рачунање огромних скупова података
  • Такође може да тренира и служи моделе у живом моделу. Преписивање кода нисам потребан

Закључак - Основе Тенсорфлова

Тенсорфлов је веома често кориштена библиотека за дубоко учење. То се углавном користи у стварању неуронских мрежа, које такође користе стартуп компаније, велике компаније.

Као што је горе речено, Гоогле такође користи тенсорфлов за своју интерну сврху, и даље се користи у углавном свим врстама производа као што су Гмаил и гоогле претраживач.

Препоручени чланци

Ово је водич за основе Тенсорфлова. Овде смо расправљали о Инсталацији Тенсорфлова са карактеристикама и Листом алгоритма који Тенсорфлов подржава. Такође можете погледати следећи чланак да бисте сазнали више -

  1. Шта је ТенсорФлов?
  2. ТенсорФлов алтернативе
  3. Увод у Тенсорфлов
  4. Како инсталирати ТенсорФлов
  5. Врсте података Ц ++