Willkommen bei TensorFlow

Willkommen! Wenn Sie hier sind, haben Sie den ersten Schritt in die weite Welt von TensorFlow gemacht. Am Ende dieser Lektion werden Sie ein grundlegendes Verständnis von TensorFlow, seiner Entstehung, seinen Kernzielen und seinen bestimmenden Merkmalen erlangen.

Zweck von TensorFlow

Der Name TensorFlow ist ziemlich beschreibend. Im Bereich des maschinellen Lernens, insbesondere des tiefen Lernens, werden Daten in Strukturen namens Tensors manipuliert und zwischen Operationen weitergegeben. Stellen Sie sich einen Tensor als ein raffiniertes mehrdimensionales Array vor. TensorFlow bietet eine Plattform, um diese Rechengraphen zu konstruieren und zu manipulieren, durch die Tensors fließen.

Dieses Diagramm bietet eine visuelle Darstellung eines einfachen neuronalen Netzwerks. Sehen Sie die Pfade? Das bedeutet, dass Daten, strukturiert als Tensors, durch das Netzwerk verarbeitet werden.

Hauptmerkmale

Flexibilität: Ob es darum geht, Modelle auf mobilen Geräten bereitzustellen oder sie über mehrere Server zu orchestrieren, TensorFlow bietet erhebliche Vielseitigkeit;
Leistung: Im Kern ist TensorFlow in C++ geschrieben, was sicherstellt, dass es für Hochgeschwindigkeitsaufgaben optimiert ist;
Ökosystem: TensorFlow wird durch Tools wie TensorBoard und TensorFlow Hub ergänzt, die sein Ökosystem bereichern. Zusätzlich gibt es integrierte Unterstützung für die Pandas- und NumPy-Bibliotheken;
GPU-Beschleunigung: TensorFlow kann die Leistung von GPUs (Graphic Processing Units) nutzen, um zahlreiche Berechnungen zu beschleunigen, die für groß angelegte Deep-Learning-Aufgaben unerlässlich sind.

Ein praktischer Einstieg

Das Potenzial von TensorFlow versteht man am besten durch praktische Erfahrung. Beginnen wir mit den Grundlagen.

In diesem Kurs werden wir den integrierten Coderunner für Aufgaben verwenden, bei denen TensorFlow bereits eingerichtet ist. Wenn Sie jedoch TensorFlow in Ihrer eigenen Python-Umgebung installieren möchten, können Sie den folgenden Befehl verwenden:

Jetzt, da TensorFlow installiert ist, können wir seine Version überprüfen mit dem folgenden Befehl:


              12345
            
# Import the TensorFlow library with the alias `tf`
import tensorflow as tf

# Print out the version of the library
print(tf.__version__)

Das Ausführen des obigen Codes zeigt die in der Python-Umgebung verwendete TensorFlow-Version an.

Hinweis

Die neueste Version von TensorFlow kann sich im Laufe der Zeit ändern. Dennoch bleiben die grundlegenden Konzepte über verschiedene Versionen hinweg konsistent.

1. Was sind Tensors im Kontext von TensorFlow?

2. Welche der folgenden sind Schlüsselmerkmale von TensorFlow?

War alles klar?

Danke für Ihr Feedback!

Abschnitt 1. Kapitel 1