Úvod do Tensorflow
Tensorflow je software a knihovna s otevřeným zdrojovým kódem. Byl vyvinut týmem Google Brain, který byl vytvořen výzkumným týmem pro hloubkovou výuku umělé inteligence na Googlu 2010. Google jej používal pro interní použití poté, co byl vydán pod Apache2.0 Open source - 2015. V tomto tématu se chystáme ot dozvědět se o základech Tensorflow.
Tensorflow je systém druhé generace mozku Google. Verze 1 byla vydána 11. února 2017. Tensorflow 1.0 nyní měl Python API a API pro jazyk java a GO je také přidán do verze 1.0. Operace neuronové sítě Tensorflow prováděná na vícerozměrném datovém poli, které je označováno jako tenzor. Funguje to s Tensory. Je to softwarová knihovna pro hluboké učení a pracuje hlavně pro numerické výpočty pomocí grafů toku dat.
Co je Tensorflow Basics?
Tenzory jsou objekty, které popisují lineární vztah mezi vektory, skaláry a jinými tenzory. Tenzory nejsou nic jiného než vícerozměrná pole.
Tensorflow poskytuje podporu pro psaní kódu podle vašich požadavků a přístup k různým druhům nástrojů. Můžeme napsat kód C ++ a z pythonu můžeme volat kód C ++. Nebo můžeme napsat pythonový kód a nazvat ho C ++.
Nad obrázkem je nejnižší vrstva, která podporuje dva jazyky, první jazyk Python a druhý jazyk C ++. Můžete ho napsat v libovolném jazyce ve své zóně pohodlí. Má sbírku různých matematických knihoven, které pomáhají snadno vytvářet matematické funkce.
Poskytuje také podporu pro zpracování, jako je procesor, GPU, TPU, a také běží na mobilech Android.
Tf.layers : - tf.layers se používá pro abstraktní metodu, takže můžete přizpůsobit vrstvy neuronových sítí.
Tf.estimator : - nejčastěji používaným API v tensorflow je tf.estimator. Pomáhá při vytváření a trénování, testování vašeho modelu.
Instalace Tensorflow
- Nejprve zkontrolujte verzi kanálu, pokud není nejnovější, spusťte následující příkaz k aktualizaci kanálu
pip install - upgrade pip
- Spusťte pod kód a nainstalujte si jednodušší verzi Tensorflow
pip install tensorflow / conda install tensorflow (Anaconda)
- To nainstaluje Tensorflow s konfiguracemi podporovanými gpu.
pip install Tensorflow-gpu
Příklad tf.estimator pro použití klasifikátoru 3 řádky kódu
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)
Základní datové typy Tensorflow
Základní typy dat v rámci Tensorflow (Tensors)
Níže jsou uvedeny všechny rozměry tenzorů.
- Scalar - O Dimensional Array
- Reklamní fotografie - 1 Dimensional Array
- Matice - 2 rozměrové pole
- 3D tenzor - trojrozměrné pole
- N - D Tensor - N-rozměrné pole
Konstantní tenzory
Proměnné
tf.Variable class, pro vytvoření proměnné v tensorflow a volání funkce tf.get_variable
Inicializace proměnných
Chcete-li inicializovat proměnné, voláním tf.global_variables_initializer můžeme inicializovat všechny proměnné.
Jednoduchý příklad proměnných a matematických výrazů
Normálním způsobem
a = 3, 0, b = 8 * a +10
Tensorflow cesta
c = tf.Variable (tf.add (tf.multiply (X, a), b)
Grafy
Každý řádek v našem kódu napsaný v tensorflow je převeden na základní graf
Příklad:
- Uzly: Představuje matematické operace.
- Hrany: představuje vícerozměrné pole (Tensory) a ukazuje, jak mezi sebou komunikují.
Tensorflow 2.0
- Ve druhé verzi Tensorflow se zaměřili na zjednodušení a snadné použití API.
- Komponenty API se lépe integrují s Kerasem, ve výchozím nastavení je aktivován režim dychtivého spuštění.
- Režim Eager: Spuštění Eager je rozhraní, kde jsou operace prováděny okamžitě, jak jsou vyvolány z Pythonu.
- Místo grafového režimu můžeme použít dychtivý režim. Můžeme spočítat, co musíme vypočítat, a můžeme okamžitě získat výsledky. Díky tomu bude Tensorflow stejně snadný jako Pytorch
- Zaměření na odstranění duplikačních API.
Keras
- Tensorflow poskytuje rozhraní API na vysoké úrovni pro vytváření a školení modelů hlubokého učení. To nebylo zahrnuto v tensorflow, ale v nejnovější verzi byl Keras zařazen do Tensorflow 2.0.
- Uživatelsky přívětivý: Keras poskytuje jednoduché, konzistenční rozhraní pro běžné případy použití.
- Modulární a skládatelné: Modely Keras jsou vyráběny spojením stavebních bloků dohromady.
- Snadné rozšíření: Vytvoření nebo aktualizace nových vrstev, metrik, ztrátových funkcí
- Pro použití modelů Keras použijte tf.keras.
Tensorflow Lite
- V roce 2017 společnost Google oznámila software, který je speciálně vytvořen pro mobilní vývoj, Tensorflow Lite.
- Tensorflow Lite (TFLite) je lehké řešení pro dedukci na mobilním zařízení.
- Můžeme jej také použít pro IOS a Android vytvořením C ++ API a také můžeme vytvořit třídu Java wrapper pro Android Developers.
Seznam algoritmů, které Tensorflow podporuje
1. Pro regresi
- Lineární regrese (tf.estimator. Lineární regrese)
- Regresní strom booster (tf.estimator. Boosted Tree Regressor)
2. Pro klasifikaci
- Klasifikace (tf.estimator. Lineární klasifikátor)
- Kombinace hlubokého učení (tf.estimator. DNNLinearCombinedClassifier)
- Boosted Tree Classifier (tf.estimator. Boosted Tree Classifier)
Vlastnosti hotelu Tensorflow
- Tensorflow efektivně pracuje s různými typy matematických výrazů zahrnujících vícerozměrná pole (Tensors)
- Poskytuje také podporu pro hluboké učení neuronových sítí a dalších konceptů strojového učení.
- Tensorflow může běžet na více procesorech a GPU.
- Poskytuje také svůj vlastní výpočetní výkon, který je Tensor Processing Unit.
Jednotka pro zpracování tenzoru (TPU)
- Google oznámil, že jeho procesorová jednotka Tensor (TPU) je integrovaný obvod specifický pro aplikaci (hardwarový čip), vytvořený speciálně pro Machine Learning a přizpůsobený pro Tensorflow.
- V roce 2017 společnost Google oznámila druhou verzi Tensorflow a dostupnost modulů TPU v cloudu Google.
- TPU je programovatelný akcelerátor umělé inteligence a je konstruován pro použití nebo provozování modelů. Google provozuje TPU ve svých datových centrech déle než rok.
Edge TPU
- Edge TPU je čip, který je vytvořen pro navržené a provozované modely strojového učení Tensorflow Lite (ML) pro provoz na malých výpočetních zařízeních, jako jsou smartphony.
- Vysoká škálovatelnost pro výpočet obrovských datových sad
- Může také trénovat a obsluhovat modely v živém modelu. Přepisování kódu jsem nevyžadoval
Závěr - Tensorflow Základy
Tensorflow je velmi běžně používaná knihovna pro hluboké učení. To se většinou používá při vytváření neuronových sítí, které používají také začínající společnosti, velké společnosti.
Jak bylo řečeno výše, Google také používá tensorflow pro svůj interní účel, který se stále používá ve většině druhů produktů, jako je Gmail a vyhledávač Google.
Doporučené články
Toto je průvodce základem Tensorflow. Zde diskutujeme o instalaci Tensorflow s vlastnostmi a seznamem algoritmů, které Tensorflow podporuje. Další informace naleznete také v následujícím článku -
- Co je TensorFlow?
- Alternativy TensorFlow
- Úvod do Tensorflow
- Jak nainstalovat TensorFlow
- Datové typy C ++