Summary
This chapter introduces TensorFlow as a library for constructing and manipulating tensor-based computational graphs and shows how to import the library and print its version.

General domain of usage
Machine learning

Tämä oppitunti tarjoaa johdannon **TensorFlow**-kirjastoon, 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 laskentagraafien rakentamiseen ja käsittelyyn, joissa tensorit virtaavat operaatioiden läpi.

Tämä kaavio tarjoaa visuaalisen esityksen **perus neuroverkosta**. Huomaa polut? Ne kuvaavat dataa, **tensorirakenteessa**, joka kulkee 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 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 koodinajoympäristöä, jossa **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 versioiden välillä.

Huomio

Mitä tensorit ovat TensorFlow'n yhteydessä?

Mitkä seuraavista ovat TensorFlow'n keskeisiä ominaisuuksia?

Hallitse neuroverkkojen rakentaminen, kouluttaminen ja arviointi TensorFlow'n ja Kerasin avulla. Tämä kurssi kattaa mallien luomisen, mukautetut koulutussilmukat sekä parhaat käytännöt tehokkaisiin syväoppimisen työnkulkuihin. Käytännön projektien ja todellisten esimerkkien kautta saat käytännön kokemusta alan standardityökaluista ja -tekniikoista, jotka ovat olennaisia edistyneessä syväoppimisen kehityksessä.

Tervetuloa TensorFlow'hun

TensorFlow'n tarkoitus

Keskeiset ominaisuudet

Käytännön lähestymistapa

1. Mitä tensorit ovat TensorFlow'n yhteydessä?

2. Mitkä seuraavista ovat TensorFlow'n keskeisiä ominaisuuksia?