Introducere în TensorFlow
În acest articol, vom vedea o prezentare a arhitecturii TensorFlow. TensorFlow este o bibliotecă multiplă platformă și există câteva concepte comune precum operațiunile, sesiunile și graficele de calcul. Servirea TensorFlow face ca algoritmii și experimentele noi să fie ușor de implementat, păstrând aceeași arhitectură a bazei de date și API-uri.
Ce este Arhitectura Tensorflow?
Tensorflow este o bibliotecă de învățare profundă folosită frecvent, care este construită de echipa creierului Google care lucra la Inteligența artificială. Acesta a fost dezvoltat astfel încât poate fi utilizat pe mai multe procesoare, GPU-uri și, de asemenea, poate rula pe dispozitive mobile și acceptă diferite clase de înveliș, cum ar fi python, C ++ sau Java și Tensori, care sunt obiecte care descriu relația liniară între vectori, scalari și alți tensori .
Tensorii nu sunt altceva decât tablouri multidimensionale. Pentru a înțelege arhitectura și caracteristicile TensorFlow, mai întâi trebuie să înțelegem câțiva termeni.
- Servibile Tensorflow
- Versiuni servibile
- Fluxuri servibile
- Model Tensorflow
- Încărcătoare cu tensiune
- Surse cu flux de tensiune
- Manager de tensiune
- Tensorflow Core
- Viața de serviciu
- Batcher În arhitectura Tensorflow
1. Servibile cu flux de tensiune
- Serviciile Tensorflow sunt obiecte obișnuite care sunt utilizate în principal pentru efectuarea calculului. Dimensiunea TensorFlow servibilă este foarte flexibilă. Servabilele sunt unități centrale necompletate în servirea TensorFlow.
- O unitate servibilă poate conține orice ca și cum ar putea conține tupluri, tabele de căutare. Obiectele care pot fi utilizate pot fi de orice tip și orice interfață, datorită acestor caracteristici, este foarte flexibil și ușor de făcut îmbunătățiri viitoare, cum ar fi modurile de operare asincrone, rezultatele streamingului și API-urile experimentale.
2. Versiuni servibile
- Versiunile servabile sunt utilizate pentru menținerea versiunilor care pot fi servite de TensorFlow. Poate gestiona una sau mai multe versiuni de Servables. Poate ajuta la configurarea noilor algoritmi, gestionarea greutăților și se pot face alte modificări, datele pot fi încărcate.
- De asemenea, poate modifica și gestiona versiunile, permite mai multe versiuni care pot fi servite simultan.
3. Fluxuri servibile
Este o colecție de diferite versiuni de Servables. O stochează într-o succesiune din ce în ce mai mare de versiuni.
4. Modele cu flux de tensiune
- Un model TensorFlow poate conține unul sau mai multe servabile TensorFlow. Este utilizat în principal în sarcinile de învățare automată care pot conține mai mult de un algoritm care conține greutăți diferite în funcție de model, tabele de căutare, metrici și încorporari de tabele.
- Poate fi servit în mai multe moduri diferite, astfel încât există diferite moduri de a servi tabelul de căutare.
5. Încărcătoare cu tensiune
- Încărcătorul Tensorflow este o API care gestionează ciclul de viață TensorFlow Servables. Oferă o infrastructură comună pentru unii dintre algoritmii de învățare.
- Utilizarea principală a încărcătorului TensorFlow este încărcarea și descărcarea serviciilor utilizând API-urile încărcătorului standardizate.
6. Surse cu flux de tensiune
- Sursele funcționează ca modul de plugin. Sursa Tensorflow face manipularea de bază a servibilului, cum ar fi găsirea servibilului, furnizează servibil la cerere.
- Fiecare referință poate furniza unul sau mai multe fluxuri servibile simultan. Fiecare sursă furnizează o instanță de încărcare pentru gestionarea versiunii fluxului. Și fiecare flux servibil este încărcat pe baza versiunii.
- Sursa au diferite stări care pot fi partajate cu versiuni diferite și cu mai multe servabile. Se poate gestiona, de asemenea, actualizarea sau schimbarea între versiuni.
7. Managerii de tensiune
- Managerul Tensorflow gestionează ciclul de viață de la sfârșit la sfârșit.
- Încărcare servibilă, servire servibilă, descărcare servibilă.
- Managerul primește răspuns din toate sursele servibile și, de asemenea, monitorizează toate versiunile acestuia. De asemenea, managerul poate refuza sau amâna încărcarea.
- Funcția GetServableHandle () oferă o interfață care ajută la gestionarea lucrurilor manageriale despre Servesele TensorFlow.
8. Nucleu cu tensiune
Tensorflow Core conține:
- Ciclu de viață, metrici.
- Nucleul de servire Tensorflow ia ca obiect obiectele și încărcătoarele.
9. Viața unui servitor
Întreaga procedură este explicată despre modul de utilizare și despre întregul ciclu de viață servibil:
- Sursa creează încărcătoare pentru diferite versiuni servibile. Solicitarea clientului către manager și manager a trimis încărcătoarelor versiunea aspirată, încărcarea și servirea înapoi clientului.
- Încărcătorul conține metadate care pot fi utilizate pentru a încărca Servilele. Callback este folosit pentru a notifica managerul despre versiunile sursă servibile. Managerul urmărește o politică de versiune care ajută la configurarea și decizia acțiunilor care trebuie să fie necesare în continuare.
- De asemenea, managerul verifică securitatea încărcătorilor, dacă este în siguranță, atunci numai acesta va oferi resursele necesare încărcătorului și va da permisiunea de a încărca noua versiune. Managerul furnizează Severable la cererea clientului, sau va solicita o versiune specifică în mod explicit sau poate solicita direct cea mai recentă versiune după ce managerul returnează un mâner pentru accesul la servibil.
- Managerul dinamic se ocupă de versiunile care pot fi utilizate, aplică politica de versiune și decide că versiunea sau cea mai recentă versiune trebuie să fie încărcate. Managerul dinamic alocă memorie încărcătorului. Loader inițiază graficul TensorFlow și actualizează greutățile graficului TensorFlow.
- Când un client solicită serviciul și verifică versiunea pe care o solicită clientul, managerul dinamic returnează acel manipulator cu versiunea solicitată de Servibil.
10. Batcher în Arhitectura Tensorflow
- Combaterea este o procedură de gestionare a mai multor cereri într-o singură solicitare.
- Folosind această procedură putem reduce costul efectuării inferențelor, în special accelerarea hardware-ului precum GPU, TPU.
- Tensorflow servibil conține un widget Batcher, utilizând acest widget clienții pot lotiza cu ușurință cererile de inferențe multiple specifice într-o singură solicitare a lotului. Deci, pot rula această procedură eficient.
Concluzie - Arhitectura TensorFlow
Arhitectura Tensorflow reprezintă un sistem descentralizat. Acesta arată modul în care diferite componente funcționează și își servesc rolurile într-un sistem descentralizat. Deservirea la cererea clientului și utilizarea paralelă a mai multor operații în paralel. Unele dintre cele mai bune caracteristici din arhitectura TensorFlow sunt operațiunile, accelerarea hardware și opțiunile de gestionare dinamică, încărcătoare, surse, fluxuri care pot fi utilizate.
Articole recomandate
Acesta este un ghid pentru Arhitectura TensorFlow. Aici vom discuta despre ce este TensorFlow și unele dintre cele mai bune caracteristici din TensorFlow Architecture. Puteți parcurge și alte articole sugerate pentru a afla mai multe -
- Introducere în fluxul de tensiune cu caracteristic
- TensorFlow vs Spark | Top 5 Comparație
- Theano vs Tensorflow - diferențe de vârf
- Alternative TensorFlow | Top 11