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 -
- Шта је ТенсорФлов?
- ТенсорФлов алтернативе
- Увод у Тенсорфлов
- Како инсталирати ТенсорФлов
- Врсте података Ц ++