Tensorflow - полезное иллюстрированное руководство

Автор оригинала: Chris.

Машинное обучение (ML) – это востребованное навык в современном автоматическом мире. Google является одним из ключевых игроков в пространстве машинного обучения. С растущей шкалой и популярностью глубокое обучение , Ограничения одной машины стать все более и более выраженным.

Мотивация

Обучение модели на одном компьютере может занять много времени – больше данных, которые у вас есть, тем больше требуется. Тем не менее, глубокая нейронная сеть требует больших наборов данных тренировок для достижения сверхчеловеческих уровней производительности во многих задачах. Без использования больших тренировок, качество моделей имеет тенденцию быть низким.

Тем не менее, у кого есть время ждать часов и часов, чтобы тренировать одну модель и проверять его прогнозирование?
Не было бы лучше уменьшить задержку, используя распределенную архитектуру, которая сочетает в себе мощность процессоров и графических процессоров?

Архитектура системы

Ответ Google на эти вопросы – распределенная система Tensorflow. Tensorflow – это Github Проект, опубликованный в 2015 году Google мозг Команда и описана в Osdi Paper В 2016 году.

Вот краткий визуальный обзор системы архитектуры:

Tensorflow обеспечивает библиотеку кода высокого уровня ML. Ученые данные просто пишут код, используя операции, предоставляемые библиотекой. Система Tensorflow преобразует этот код в график потока данных. Затем он распределяет график потока данных на несколько машин и выполняет его распределенным образом.

График потока данных состоит из операции и тензоры Отказ

Каждая операция преобразует сочинение исходящих тензорных данных.
Тензуры – это массивы или матрицы примитивных значений данных. Примером является операция умножения матрицы. Он получает два вводящих 2D матриц (тензоров) и умножает тех, кто получает исходящий тензор.

Tensorflow обеспечивает аппаратные реализации для каждой абстрактной операции. Реализация оборудования обозначается как Ядро Отказ Операция может иметь разные ядра для разных аппаратных средств, таких как GPUS и CPU.

Установка Tensorflow в Python

Основной язык для программы против Tensorflow API является Python Отказ Вот как вы можете установить версию Tensorflow только на CPU. Введите это в свой терминал или командную строку, чтобы установить версию только на CPU на вашем компьютере:

$ pip install tensorflow-cpu

Если вы хотите получить поддержку GPU, вам нужно установить полный разъем Tensorflow:

$ pip install tensorflow

Если вы хотите установить TensorFlow в Pycharm, используйте полное руководство по установке здесь.

Ваша первая программа Tensorflow

Предположим, вы установили Tensorflow на своем компьютере или в виртуальной среде.

Теперь вы можете запустить первую программу Hello-World в вашем сценарии Python. Вот программа в интерактивном режиме:

>>> import tensorflow as tf
>>> tf.add(40, 2).numpy()
42
>>> hello = tf.constant('Hi TensorFlow!')
>>> hello.numpy()
b'Hi TensorFlow!'

Поздравляем, вы написали свою первую программу Tensorflow!

Видеоурок

Вот видео, предоставленное Ten Tensorflow Core Team – это отличный способ начать свое обучение!

И до тех пор, пока мы находимся, давайте погрузимся во втором видео в этой серии, что так же полезно, как первый. Спасибо, Tensorflow Team!

В этом руководстве вы приняли свои первые шаги в направлении квалификации Tensorflow. Это очень ценный навык, чтобы иметь в 21 веке. Давайте погрузимся глубже в тему со следующими ресурсами.

Ресурсы

Официальный репозиторий Tensorflow предоставляет следующие полезные ресурсы:

Работая в качестве исследователя в распределенных системах, доктор Кристиан Майер нашел свою любовь к учению студентов компьютерных наук.

Чтобы помочь студентам достичь более высоких уровней успеха Python, он основал сайт программирования образования Finxter.com Отказ Он автор популярной книги программирования Python одноклассники (Nostarch 2020), Coauthor of Кофе-брейк Python Серия самооставленных книг, энтузиаста компьютерных наук, Фрилансера и владелец одного из лучших 10 крупнейших Питон блоги по всему миру.

Его страсти пишут, чтение и кодирование. Но его величайшая страсть состоит в том, чтобы служить стремлению кодер через Finxter и помогать им повысить свои навыки. Вы можете присоединиться к его бесплатной академии электронной почты здесь.

Оригинал: “https://blog.finxter.com/tensorflow-overview/”