Summary  
This chapter introduces using TensorFlow to construct and manipulate computational graphs of multi-dimensional arrays called tensors, and demonstrates how to import the TensorFlow library and print its version.

General domain of usage  
Machine learning

# Tervetuloa TensorFlow'n pariin

Tämä oppitunti tarjoaa johdannon **TensorFlow'hun**, käsitellen sen syntyä, keskeisiä tavoitteita ja määritteleviä ominaisuuksia. Oppitunnin lopussa osallistujilla on perustiedot TensorFlow'sta.

### TensorFlown tarkoitus

Nimi TensorFlow on varsin kuvaava. **Koneoppimisen**, erityisesti **syväoppimisen**, yhteydessä dataa käsitellään ja siirretään operaatioiden välillä rakenteissa, joita kutsutaan **tensoreiksi**. Tensoria voi ajatella **monimutkaisena moniulotteisena taulukkona**. TensorFlow tarjoaa alustan näiden laskentakaavioiden rakentamiseen ja käsittelyyn, joissa tensorit virtaavat niiden läpi.

Tämä kaavio havainnollistaa **perus neuroverkon** visuaalisesti. Huomaatko polut? Ne kuvaavat dataa, **tensorimuodossa**, joka kulkee verkon läpi.

### Keskeiset ominaisuudet

- **Joustavuus**: TensorFlow tarjoaa huomattavaa monipuolisuutta, olipa kyse mallien käyttöönotosta mobiililaitteilla tai niiden hallinnoinnista useilla palvelimilla;

- **Suorituskyky**: TensorFlow on rakennettu C++-kielellä, mikä takaa optimoinnin nopeisiin tehtäviin;

- **Ekosysteemi**: TensorFlow'n ekosysteemiä täydentävät työkalut kuten TensorBoard ja TensorFlow Hub. Lisäksi mukana on sisäänrakennettu tuki Pandas- ja NumPy-kirjastoille;

- **GPU-kiihdytys**: TensorFlow voi hyödyntää GPU:iden (grafiikkaprosessoriyksiköiden) tehoa nopeuttaakseen useita laskutoimituksia, jotka ovat olennaisia laajamittaisessa syväoppimisessa.

### Käytännön lähestymistapa

TensorFlow'n mahdollisuuksien ymmärtäminen onnistuu parhaiten **käytännön harjoittelulla**. Aloitetaan perusteista.

Tällä kurssilla käytämme integroitua koodieditoria tehtävissä, joissa **TensorFlow on jo valmiiksi asennettu**. Jos kuitenkin haluat **asentaa TensorFlow'n** omaan Python-ympäristöösi, voit käyttää seuraavaa komentoa:

```
pip install tensorflow
```

Nyt kun TensorFlow on asennettu, voimme **tarkistaa sen version** seuraavalla komennolla:

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

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

Yllä olevan koodin suorittaminen näyttää Python-ympäristössä käytössä olevan TensorFlow-version.



TensorFlow:n uusin versio voi muuttua ajan myötä. Peruskäsitteet pysyvät kuitenkin samoina eri versioissa.

Huomautus

Mitä tensorit ovat TensorFlow'n yhteydessä?

Mitkä seuraavista ovat TensorFlow'n keskeisiä ominaisuuksia?

Sukella syvälle TensorFlow'n maailmaan kurssillamme, joka on suunniteltu antamaan vankka ymmärrys sen keskeisistä osista. Aloita tensorien ja TensorFlow-kehyksen perusteiden tutkimisella. Kurssin lopussa hallitset taidot rakentaa tensoreihin perustuvia järjestelmiä, mukaan lukien yksinkertaisen neuroverkon luominen. Hanki tietämys TensorFlow'n täyden potentiaalin hyödyntämiseen ja luo pohja edistyneille syväoppimisen sovelluksille.

Saat perustavanlaatuisen ymmärryksen TensorFlow'n keskeisistä osista – tensoreista. Perehdyt tensorien luonteeseen ja käyttötarkoituksiin, tutustut tensorien ominaisuuksiin sekä hankit tietoa olennaisista matemaattisista operaatioista.

Opit, miten TensorFlow toimii ja miten sen suorituskykyä voidaan parantaa. Tämän moduulin lopussa hallitset perusneuroverkkojen tai muiden tensorilaskentojen toteuttamisen pelkästään TensorFlow-kirjastoa käyttäen ilman lisäosia.

Tervetuloa TensorFlow'hun

Tervetuloa TensorFlow'n pariin

TensorFlown tarkoitus

Keskeiset ominaisuudet

Käytännön lähestymistapa

1. Mitä tensorit ovat TensorFlow'n yhteydessä?

2. Mitkä seuraavista ovat TensorFlow'n keskeisiä ominaisuuksia?