Inleiding tot Tensorflow
Tensorflow is een open-source software en bibliotheek. Het werd ontwikkeld door het Google Brain-team, dat werd gebouwd door het diepgaande onderzoeksteam voor kunstmatige intelligentie bij Google 2010. Google gebruikte het voor intern gebruik nadat het werd vrijgegeven onder Apache2.0 Open source - 2015. In dit onderwerp gaan we ot Meer informatie over Tensorflow Basics.
Tensorflow is het systeem van de tweede generatie van Google Brain. Versie 1 is uitgebracht op 11 februari 2017. Tensorflow 1.0 had nu Python API en API voor Java en GO-taal is ook toegevoegd aan versie 1.0. Tensorflow operaties neuraal netwerk uitgevoerd op multidimensionale data-array, die wordt aangeduid als een tensor. Het werkt met Tensors. Het is een softwarebibliotheek voor diep leren en werkt voornamelijk voor numerieke berekeningen met behulp van gegevensstroomgrafieken.
Wat is Tensorflow Basics?
Tensoren zijn objecten die de lineaire relatie tussen vectoren, scalars en andere tensoren beschrijven. Tensoren zijn niets anders dan multidimensionale arrays.
Tensorflow biedt ondersteuning om de code te schrijven volgens uw vereisten en toegang tot verschillende soorten tools. We kunnen code C ++ schrijven en kunnen C ++ code van python aanroepen. Of we kunnen python-code schrijven en deze door C ++ noemen.
Boven de afbeelding gezien is de laagste laag die eerst twee talen ondersteunt de Python-taal en de tweede C ++ -taal. Je kunt het in elke taal in je comfortzone schrijven. Het heeft een verzameling van verschillende wiskundebibliotheken die helpen om eenvoudig wiskundige functies te maken.
Het biedt ook ondersteuning voor verwerking zoals CPU, GPU, TPU en werkt ook op Android-mobiele telefoons.
Tf.layers : - tf.layers wordt gebruikt voor methode abstract zodat u de lagen van neurale netwerken kunt aanpassen.
Tf.estimator : - de meest gebruikte API in tensorflow is de tf.estimator. Het helpt bij het maken en trainen van uw model.
Installatie van Tensorflow
- Controleer eerst uw pip-versie, indien niet laatste voer dan de volgende opdracht uit om pip te upgraden
pip install - upgrade pip
- Voer onderstaande code uit om de eenvoudigere versie van Tensorflow te installeren
pip install tensorflow / conda install tensorflow (Anaconda)
- Hiermee wordt Tensorflow geïnstalleerd met door gpu ondersteunde configuraties.
pip installeren Tensorflow-gpu
Voorbeeld van tf.estimator om classifier te gebruiken met 3 coderegels
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)
Basis gegevenstypen van Tensorflow
De basisgegevenstypen in Tensorflow-framework (Tensors)
Hieronder ziet u elke dimensie van tensoren.
- Scalar - O Dimensional Array
- Stockfoto - 1 Dimensionale matrix
- Matrix - 2 dimensionale array
- 3D Tensor - 3 dimensionale array
- N - D Tensor - N-dimensionale array
Constante Tensoren
Variabelen
tf.Variable class, voor het maken van een variabele in tensorflow en het aanroepen van de functie tf.get_variable
Variabelen initialiseren
Om de variabelen te initialiseren, kunnen we alle variabelen initialiseren door tf.global_variables_initializer aan te roepen.
Een eenvoudig voorbeeld van variabele en wiskundige expressie
Normale manier
a = 3, 0, b = 8 * a +10
Tensorflow manier
c = tf.Variable (tf.add (tf.multiply (X, a), b)
grafieken
Elke regel in onze code geschreven in tensorflow wordt omgezet in een onderliggende grafiek
Voorbeeld:
- Knooppunten: het vertegenwoordigt wiskundige bewerkingen.
- Randen: het vertegenwoordigt de multidimensionale array (Tensors) en laat zien hoe ze onderling communiceren.
Tensorflow 2.0
- In de tweede versie van Tensorflow richtten ze zich op het eenvoudiger en gebruiksvriendelijker maken van de API.
- De API-componenten integreren beter met Keras, standaard is de enthousiaste uitvoeringsmodus geactiveerd.
- Eager-modus: Eager-uitvoering is een run-interface waar bewerkingen onmiddellijk worden uitgevoerd zoals ze worden aangeroepen vanuit Python.
- We kunnen de gretige modus gebruiken in plaats van de grafische modus. We kunnen berekenen wat we nodig hebben om te berekenen en we kunnen meteen resultaten krijgen. Dit maakt Tensorflow net zo eenvoudig als Pytorch
- Focus op het verwijderen van duplicatie-API's.
Keras
- Tensorflow biedt een API op hoog niveau voor het bouwen en trainen van deep learning-modellen. Dit was niet opgenomen in tensorflow, maar in de nieuwste release is Keras opgenomen in Tensorflow 2.0.
- Gebruiksvriendelijk: Keras biedt een eenvoudige, consistentie-interface voor veelvoorkomende gebruikssituaties.
- Modulair en configureerbaar: Keras-modellen worden gemaakt door bouwstenen met elkaar te verbinden.
- Eenvoudig uit te breiden: nieuwe lagen, statistieken, verliesfuncties maken of bijwerken
- Gebruik tf.keras voor het gebruik van Keras-modellen.
Tensorflow Lite
- In 2017 heeft Google software aangekondigd die specifiek is gebouwd voor mobiele ontwikkeling, Tensorflow Lite.
- Tensorflow Lite (TFLite) is een lichtgewicht oplossing voor inferenties op mobiele apparaten.
- We kunnen het ook gebruiken voor IOS en Android door de C ++ API te maken, en we kunnen ook Java Wrapper Class voor Android-ontwikkelaars gebruiken.
Lijst met algoritmen die Tensorflow ondersteunt
1. Voor regressie
- Lineaire regressie (tf. Schatting. Lineaire regressie)
- Boosterboomregressie (tf.estimator. Boosted Tree Regressor)
2. Voor classificatie
- Classificatie (tf. Schatting. Lineaire classificatie)
- Deep Learning Combined (tf.estimator. DNNLinearCombinedClassifier)
- Boosted Tree Classifier (tf.estimator. Boosted Tree Classifier)
Kenmerken van Tensorflow
- Tensorflow werkt efficiënt met verschillende soorten wiskundige uitdrukkingen met multidimensionale arrays (tensoren)
- Het biedt ook ondersteuning voor diepgaande neurale netwerken en andere concepten voor machinaal leren.
- Tensorflow kan op meerdere CPU's en GPU's worden uitgevoerd.
- Het biedt ook zijn eigen verwerkingskracht, de Tensor Processing Unit.
Tensor Processing Unit (TPU)
- Google heeft zijn Tensor-verwerkingseenheid (TPU) aangekondigd, een applicatiespecifiek geïntegreerd circuit (Hardware Chip), speciaal gebouwd voor Machine Learning en op maat gemaakt voor Tensorflow.
- In 2017 kondigde Google de tweede versie van Tensorflow aan, evenals de beschikbaarheid van de TPU's in Google Cloud.
- TPU is een programmeerbare AI-versneller en gebouwd voor het gebruiken of uitvoeren van modellen. Google draait al meer dan een jaar TPU's in hun datacenters.
Edge TPU
- Edge TPU is een chip die is gebouwd voor googles ontworpen en uitgevoerd Tensorflow Lite machine learning (ML) -modellen die kunnen worden uitgevoerd op kleine computerapparaten zoals smartphones.
- Hoge schaalbaarheid voor het berekenen van enorme datasets
- Het kan ook modellen in een live-model trainen en bedienen. Herschrijven van code niet vereist
Conclusie - Tensorflow Basics
Tensorflow is een veelgebruikte deep learning-bibliotheek. Dat wordt meestal gebruikt bij het creëren van neurale netwerken, ook gebruikt door startende bedrijven, grote bedrijven.
Zoals hierboven vermeld, gebruikt Google ook tensorflow voor zijn interne doel, maar het werd nog steeds gebruikt in bijna alle soorten producten, zoals Gmail en Google.
Aanbevolen artikelen
Dit is een gids voor Tensorflow Basics. Hier bespreken we de installatie van Tensorflow met de functies en lijst van algoritmen die Tensorflow ondersteunt. U kunt ook het volgende artikel bekijken voor meer informatie -
- Wat is TensorFlow?
- TensorFlow-alternatieven
- Inleiding tot Tensorflow
- Hoe TensorFlow te installeren
- C ++ gegevenstypen