Noțiuni de bază ale tensiunii de flux - Ce este Tensorflow? - Instalarea Tensorflow

Introducere în Tensorflow

Tensorflow este un software și bibliotecă open-source. Acesta a fost dezvoltat de către echipa Google Brain, care a fost construită de către o echipă de cercetare a inteligenței artificiale la google 2010. Google a folosit-o pentru uz intern după aceea a fost lansată sub Apache2.0 Open source - 2015. În acest subiect, mergem ot aflați despre Bazele Tensorflow.

Tensorflow este sistemul de a doua generație a creierului Google. Versiunea 1 a fost lansată pe 11 februarie 2017. Tensorflow 1.0 avea acum Python API și API pentru java, iar limbajul GO este de asemenea adăugat la versiunea 1.0. Rețeaua neuronală cu operații de tensiune flux efectuată pe o serie de date multidimensionale, care este denumită tensor. Funcționează cu Tensori. Este o bibliotecă software pentru învățare profundă și funcționează în principal pentru calcularea numerică folosind grafice de flux de date.

Ce este elementele de bază ale Tensorflow?

Tensorii sunt obiecte care descriu relația liniară între vectori, scalari și alți tensori. Tensorii nu sunt altceva decât tablouri multidimensionale.

Tensorflow oferă suport pentru scrierea codului în conformitate cu cerințele dvs. și accesul la diferite tipuri de instrumente. Putem scrie codul C ++ și putem apela codul C ++ de la python. Sau putem scrie cod python și numiți-l prin C ++.

Văzut deasupra imaginii, stratul cel mai jos pe care îl acceptă două limbi, primul este limba Python și al doilea limbajul C ++. Îl poți scrie în orice limbă din zona ta de confort. Are o colecție de diferite biblioteci matematice care ajută la crearea cu ușurință a funcțiilor de matematică.

De asemenea, oferă asistență pentru procesare precum CPU, GPU, TPU și, de asemenea, rulează pe telefoane mobile Android.

Tf.layers : - tf.layers este folosit pentru abstractul metodei, astfel încât să puteți personaliza straturile rețelelor neuronale.

Tf.estimator : - API-ul cel mai des utilizat în tensiune este fluxul tf.estimator. Vă ajută la crearea și formarea, testarea modelului.

Instalarea Tensorflow

• Mai întâi verificați versiunea pip, dacă nu cel mai târziu, apoi executați urmând comanda pentru actualizarea pip

pip install - upgrade pip

• Rulați sub cod pentru a instala versiunea mai simplă a Tensorflow

pip install tensorflow / conda instala tensorflow (Anaconda)

• Aceasta va instala Tensorflow cu configurații acceptate de gpu.

pip instala Tensorflow-gpu

Exemplu de tf.estimator de utilizat clasificator cu 3 linii de cod

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)

Tipuri de date de bază ale Tensorflow

Tipurile de date de bază în cadrul Tensorflow (Tensori)

Mai jos este prezentată fiecare dimensiune a tensorilor.

• Scalar - O Dimensiune Array
• Vector - 1 Dimensiune Array
• Matrix - 2 Dimensiune Array
• Tensor 3D - 3 dimensiuni
• N - D Tensor - N-dimensional array

Tensoare constante

variabile

tf.Variable class, pentru crearea unei variabile în tensorflow și apelarea funcției tf.get_variable

Inițializarea variabilelor

Pentru inițializarea variabilelor, apelând la tf.global_variables_initializer putem inițializa toate variabilele.

Un exemplu simplu de expresie variabilă și matematică

Mod normal

a = 3, 0, b = 8 * a +10

Mod de tensiune

c = tf.Variabil (tf.add (tf.multiply (X, a), b)

Grafice

Fiecare linie din codul nostru scris în tensiune este convertită într-un grafic de bază

Exemplu:

• Noduri: Reprezintă operații matematice.
• Margini: reprezintă tabloul multidimensional (Tensori) și arată modul în care acestea comunică între ele.

Tensorflow 2.0

• În a doua versiune a Tensorflow, s-au concentrat pe simplificarea și ușor de utilizat a API-ului.
• Componentele API se integrează mai bine cu Keras, în mod implicit, modul de execuție dornic este activat.
• Mod Eager: Execuția dornică este interfața de rulare unde operațiunile sunt executate imediat așa cum sunt numite de la Python.
• Putem folosi modul dornic în loc de modul grafic. Putem calcula ceea ce trebuie să calculăm și putem obține rezultate imediat. Acest lucru va face Tensorflow la fel de ușor ca Pytorch
• Concentrându-se pe eliminarea API-urilor de duplicare.

Keras

• Tensorflow oferă o API de nivel înalt pentru construirea și instruirea modelelor de învățare profundă. Acest lucru nu a fost inclus în tensorflow, dar în ultima versiune, Keras a fost inclus în Tensorflow 2.0.
• Ușor de utilizat: Keras oferă o interfață simplă și coerentă pentru cazurile de utilizare obișnuită.
• Modulare și compozibile: modelele Keras sunt realizate prin conectarea blocurilor de construcție între ele.
• Ușor de extins: creați sau actualizați noi straturi, valori, funcții de pierdere
• Folosiți tf.keras pentru utilizarea modelelor Keras.

Tensorflow Lite

• În 2017, Google a anunțat un software special construit pentru dezvoltarea mobilă, Tensorflow Lite.
• Tensorflow Lite (TFLite) este o soluție ușoară pentru inferența dispozitivului mobil.
• Îl putem folosi, de asemenea, pentru IOS și Android prin crearea API C ++, precum și clasa de înveliș Java pentru dezvoltatorii Android.

Lista algoritmului pe care Tensorflow îl acceptă

1. Pentru regresie

• Regresie liniară (tf.estimator. Regresie liniară)
• Booster Tree Regression (tf.estimator. Boosted Tree Regressor)

2. Pentru clasificare

• Clasificare (tf.estimator. Clasificator liniar)
• Deep Learning Combined (tf.estimator. DNNLinearCombinedClassifier)
• Clasificator de arbore stimulat (tf.estimator. Clasificator de arbore stimulat)

Caracteristici ale Tensorflow

• Tensorflow funcționează eficient cu diferite tipuri de expresii matematice care implică tablouri multidimensionale (Tensori)
• De asemenea, oferă suport pentru rețelele neuronale de învățare profundă și alte concepte de învățare automată.
• Tensorflow poate rula pe mai multe procesoare și GPU-uri.
• De asemenea, asigură propria sa putere de procesare, care este unitatea de procesare a tensiunii.

Unitatea de procesare a tensiunii (TPU)

• Google și-a anunțat unitatea de procesare Tensor (TPU) un circuit integrat specific aplicației (Hardware Chip), construit special pentru Machine Learning și adaptat pentru Tensorflow.
• În 2017, Google a anunțat a doua versiune a Tensorflow, precum și disponibilitatea TPU-urilor în cloud google.
• TPU este un accelerator AI programabil și creat pentru utilizarea sau rularea modelelor. Google care funcționează TPU în centrele de date pentru mai mult de un an.

Edge TPU

• Edge TPU este un cip care creează dispozitivele googles create pentru modelele de învățare automată (ML) Tensorflow Lite pentru a rula pe dispozitive mici de calcul, cum ar fi smartphone-urile.
• Scalabilitate ridicată pentru calcularea seturilor de date uriașe
• De asemenea, poate antrena și servi modele într-un model live. Rescrierea codului nu este necesară

Concluzie - Noțiuni de bază ale tensiunii fluxului

Tensorflow este o bibliotecă de învățare profundă foarte des folosită. Aceasta este utilizată mai ales în crearea rețelelor neuronale, folosită și de companiile startup-uri, companii mari.

Așa cum s-a vorbit mai sus, Google folosește tensorflow în scopul său intern, acesta încă mai folosea în mare parte toate tipurile de produse precum Gmail și motorul de căutare Google.

Articole recomandate

Acesta este un ghid al Bazelor Tensorflow. Aici discutăm despre Instalarea Tensorflow cu caracteristicile și Lista algoritmului pe care Tensorflow îl acceptă. De asemenea, puteți consulta articolul următor pentru a afla mai multe -

1. Ce este TensorFlow?
2. Alternative TensorFlow
3. Introducere în Tensorflow
4. Cum se instalează TensorFlow
5. Tipuri de date C ++