Tervetuloa TensorFlow'hun
Tervetuloa TensorFlow'n pariin
Tämä oppitunti tarjoaa johdannon TensorFlow'hun, kattaen sen syntyhistorian, keskeiset tavoitteet ja määrittelevät ominaisuudet. Oppitunnin lopussa osallistujilla on perustason ymmärrys TensorFlow'sta.
TensorFlow'n tarkoitus
Nimi TensorFlow on varsin kuvaava. Koneoppimisen, erityisesti syväoppimisen, alueella dataa käsitellään ja siirretään operaatioiden välillä rakenteissa, joita kutsutaan tensoreiksi. Tensorin voi ajatella olevan monimutkainen moniulotteinen taulukko. TensorFlow tarjoaa alustan näiden laskentakaavioiden rakentamiseen ja käsittelyyn, joissa tensorit virtaavat niiden läpi.
Tämä kaavio tarjoaa visuaalisen esityksen perusneuroverkosta. Huomaa polut? Ne kuvaavat tietoa, joka on rakenteistettu tensoreiksi, kulkemassa verkon läpi.
Keskeiset ominaisuudet
-
Joustavuus: TensorFlow tarjoaa huomattavaa monipuolisuutta, olipa kyseessä mallien käyttöönotto mobiililaitteilla tai niiden hallinta 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 laskentatehtäviä, jotka ovat olennaisia laajamittaisessa syväoppimisessa.
Käytännön lähestymistapa
TensorFlow'n mahdollisuuksien ymmärtäminen onnistuu parhaiten käytännön kokemuksen kautta. 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:
12345# 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 saattaa muuttua ajan myötä. Peruskäsitteet pysyvät kuitenkin samoina eri versioissa.
1. Mitä tensorit ovat TensorFlow'n yhteydessä?
2. Mitkä seuraavista ovat TensorFlow'n keskeisiä ominaisuuksia?
Kiitos palautteestasi!
Kysy tekoälyä
Kysy tekoälyä
Kysy mitä tahansa tai kokeile jotakin ehdotetuista kysymyksistä aloittaaksesi keskustelumme
What are tensors and how are they used in TensorFlow?
Can you explain more about TensorFlow's ecosystem and its tools?
How does GPU acceleration work in TensorFlow?
Awesome!
Completion rate improved to 5.56Tervetuloa TensorFlow'hun
Pyyhkäise näyttääksesi valikon
Tervetuloa TensorFlow'n pariin
Tämä oppitunti tarjoaa johdannon TensorFlow'hun, kattaen sen syntyhistorian, keskeiset tavoitteet ja määrittelevät ominaisuudet. Oppitunnin lopussa osallistujilla on perustason ymmärrys TensorFlow'sta.
TensorFlow'n tarkoitus
Nimi TensorFlow on varsin kuvaava. Koneoppimisen, erityisesti syväoppimisen, alueella dataa käsitellään ja siirretään operaatioiden välillä rakenteissa, joita kutsutaan tensoreiksi. Tensorin voi ajatella olevan monimutkainen moniulotteinen taulukko. TensorFlow tarjoaa alustan näiden laskentakaavioiden rakentamiseen ja käsittelyyn, joissa tensorit virtaavat niiden läpi.
Tämä kaavio tarjoaa visuaalisen esityksen perusneuroverkosta. Huomaa polut? Ne kuvaavat tietoa, joka on rakenteistettu tensoreiksi, kulkemassa verkon läpi.
Keskeiset ominaisuudet
-
Joustavuus: TensorFlow tarjoaa huomattavaa monipuolisuutta, olipa kyseessä mallien käyttöönotto mobiililaitteilla tai niiden hallinta 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 laskentatehtäviä, jotka ovat olennaisia laajamittaisessa syväoppimisessa.
Käytännön lähestymistapa
TensorFlow'n mahdollisuuksien ymmärtäminen onnistuu parhaiten käytännön kokemuksen kautta. 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:
12345# 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 saattaa muuttua ajan myötä. Peruskäsitteet pysyvät kuitenkin samoina eri versioissa.
1. Mitä tensorit ovat TensorFlow'n yhteydessä?
2. Mitkä seuraavista ovat TensorFlow'n keskeisiä ominaisuuksia?
Kiitos palautteestasi!
