Grunnleggende om tensorflow - Hva er Tensorflow? - Installasjon av Tensorflow

Innholdsfortegnelse:

Anonim

Introduksjon til Tensorflow

Tensorflow er en åpen kildekode programvare og bibliotek. Det ble utviklet av Google Brain team som ble bygget av deep learning kunstig intelligens forskerteam på google 2010. Google brukte det til intern bruk etter at det ble utgitt under Apache2.0 Open source - 2015. I dette emnet går vi ot lære om Tensorflow Basics.

Tensorflow er google hjernens andre generasjons system. Versjon 1 ble utgitt 11. februar 2017. Tensorflow 1.0 hadde nå Python API og API for java og GO-språk er også lagt til versjon 1.0. Tensorflytoperasjoner nevralt nettverk utført på flerdimensjonalt datasett, som omtales som en tensor. Det fungerer med Tensors. Det er et programvarebibliotek for dyp læring og fungerer hovedsakelig for numerisk beregning ved bruk av dataflytgrafer.

Hva er Tensorflow Basics?

Tensorer er objekter som beskriver den lineære sammenhengen mellom vektorer, skalarer og andre tensorer. Tensorer er ikke annet enn flerdimensjonale matriser.

Tensorflow gir støtte for å skrive koden i henhold til dine krav og tilgang til forskjellige typer verktøy. Vi kan skrive kode C ++ og kan kalle C ++ kode fra python. Eller vi kan skrive pytonkode og kalle den ved C ++.

Sett over bildet det laveste laget det støtter to språk først er Python språk og andre C ++ språk. Du kan skrive det på hvilket som helst språk i din komfortsone. Den har en samling forskjellige matematikkbiblioteker som hjelper deg med å lage matematiske funksjoner.

Det gir også støtte for prosessering som CPU, GPU, TPU og kjører også på Android-mobiler.

Tf.layers : - tf.layers brukes til abstrakt metode, slik at du kan tilpasse lagene i nevrale nettverk.

Tf.estimator : - det mest brukte APIet i tensorflow er tf.estimator. Det hjelper med å lage og trene, teste modellen.

Installasjon av Tensorflow

  • Kontroller først pipversjonen din, hvis ikke den siste, kjør deretter følgende kommando for å oppgradere pip

pip installere - oppgradere pip

  • Kjør under koden for å installere den enklere versjonen av Tensorflow

pip installere tensorflow / conda installere tensorflow (Anaconda)

  • Dette vil installere Tensorflow med konfigurasjoner som støttes av gpu.

pip installer Tensorflow-gpu

Eksempel på tf.estimator for å bruke klassifiserer med 3 kodelinjer

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)

Grunnleggende datatyper for tensorflow

De grunnleggende datatypene i Tensorflow framework (Tensors)

Nedenfor viser hver dimensjon av tensorer.

  • Scalar - O Dimensional Array
  • Vektor - 1 dimensjonal matrise
  • Matrix - 2 dimensjonal matrise
  • 3D Tensor - 3 dimensjonal matrise
  • N - D Tensor - N-dimensjonal matrise

Konstante tensorer

variabler

tf. Variabel klasse, for å lage en variabel i tensorflow og kalle funksjonen tf.get_variable

Initialisere variabler

For å initialisere variablene, Ved å ringe tf.global_variables_initializer kan vi initialisere alle variablene.

Et enkelt eksempel på variabelt og matematisk uttrykk

Normal måte

a = 3.0, b = 8 * a +10

Tensorflow måte

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

grafer

Hver linje i koden vår som er skrevet i tensorflow, konverteres til et underliggende diagram

Eksempel:

  • Noder: Det representerer matematiske operasjoner.
  • Kanter: det representerer den flerdimensjonale matrisen (Tensors) og viser hvordan de kommuniserer mellom dem.

Tensorflow 2.0

  • I den andre versjonen av Tensorflow fokuserte de på å gjøre API enklere og enkel å bruke.
  • API-komponentene integreres bedre med Keras, som standard aktiveres den ivrige utførelsesmodusen.
  • Ivrig modus: ivrig kjøring kjøres grensesnitt der operasjoner utføres umiddelbart som de kalles fra Python.
  • Vi kan bruke ivrig modus i stedet for grafmodus. Vi kan beregne det vi trenger å beregne, og vi kan få resultater med en gang. Dette vil gjøre Tensorflow like enkelt som Pytorch
  • Fokus på å fjerne dupliserings-API-er.

Keras

  • Tensorflow gir et API på høyt nivå for å bygge og trene dype læringsmodeller. Dette var ikke inkludert i tensorflow, men i den siste utgivelsen har Keras blitt inkludert i Tensorflow 2.0.
  • Brukervennlig: Keras tilbyr et enkelt, konsistensgrensesnitt for vanlige brukssaker.
  • Modulær og komponerbar: Keras-modeller er laget ved å koble byggesteiner sammen.
  • Lett å utvide: Lag eller oppdater nye lag, beregninger og tapsfunksjoner
  • Bruk tf.keras for å bruke Keras-modeller.

Tensorflow Lite

  • I 2017 kunngjorde Google programvare som er spesielt bygget for mobilutvikling, Tensorflow Lite.
  • Tensorflow Lite (TFLite) er en lett løsning for inferens på mobilenheter.
  • Vi kan også bruke det for IOS og Android ved å lage C ++ API, i tillegg til at vi også kan Java-wrapper-klasse for Android-utviklere.

Liste over algoritmer som Tensorflow støtter

1. For regresjon

  • Lineær regresjon (tf.estimator. Lineær regresjon)
  • Booster tree Regression (tf.estimator. Boosted Tree Regressor)

2. For klassifisering

  • Klassifisering (tf.estimator. Lineær klassifisering)
  • Deep Learning Combined (tf.estimator. DNNLinearCombinedClassifier)
  • Boosted Tree Classifier (tf.estimator. Boosted Tree Classifier)

Funksjoner av Tensorflow

  • Tensorflow fungerer effektivt med forskjellige typer matematiske uttrykk som involverer flerdimensjonale matriser (Tensorer)
  • Det gir også støtte for dyp læring nevrale nettverk og andre maskinlæringskonsepter.
  • Tensorflow kan kjøres på flere CPUer og GPUer.
  • Det gir også sin egen prosessorkraft som er Tensor Processing Unit.

Tensor Processing Unit (TPU)

  • Google kunngjorde sin Tensor prosesseringsenhet (TPU) en applikasjonsspesifikk integrert krets (Hardware Chip), bygget spesielt for maskinlæring og skreddersydd for Tensorflow.
  • I 2017 kunngjorde Google den andre versjonen av Tensorflow, samt tilgjengeligheten av TPU-ene i google sky.
  • TPU er en programmerbar AI-akselerator og bygget for bruk eller kjøring av modeller. Google kjører TPU-er i datasentrene i mer enn ett år.

Kanten TPU

  • Edge TPU er en brikke som googles bygget for designet og kjørt Tensorflow Lite-maskinlæringsmodeller (ML) for å kjøre på små dataenheter som smarttelefoner.
  • Høy skalerbarhet for beregning av enorme datasett
  • Den kan også trene og servere modeller i en levende modell. Omskriving av kode krevde jeg ikke

Konklusjon - Tensorflow Basics

Tensorflow er et veldig ofte brukt bibliotek for dyp læring. Dette brukes mest til å lage nevrale nettverk, også brukt av oppstartsbedrifter, store selskaper.

Som omtalt ovenfor bruker Google også tensorflow til sitt indre formål, og det brukes fremdeles i stort sett alle slags produkter som Gmail og google søkemotor.

Anbefalte artikler

Dette er en guide til Tensorflow Basics. Her diskuterer vi Installering av Tensorflow med funksjonene og listen over algoritmer som Tensorflow støtter. Du kan også se på følgende artikkel for å lære mer -

  1. Hva er TensorFlow?
  2. TensorFlow-alternativer
  3. Introduksjon til Tensorflow
  4. Hvordan installere TensorFlow
  5. C ++ Datatyper