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

Denne leksjonen gir en introduksjon til **TensorFlow**, med fokus på opprinnelse, hovedmål og sentrale egenskaper. Etter endt leksjon vil deltakerne ha tilegnet seg en grunnleggende forståelse av TensorFlow.

### Formål med TensorFlow

Navnet TensorFlow er ganske beskrivende. Innen **maskinlæring**, spesielt **dyp læring**, blir data manipulert og overført mellom operasjoner i strukturer kalt **tensores**. En tensor kan betraktes som et **avansert flerdimensjonalt array**. TensorFlow tilbyr en plattform for å konstruere og manipulere slike beregningsgrafer der tensores flyter gjennom.

Dette diagrammet gir en visuell fremstilling av et **grunnleggende nevralt nettverk**. Legg merke til forbindelsene? Det indikerer data, **strukturert som tensores**, som behandles gjennom nettverket.

### Nøkkelfunksjoner

- **Fleksibilitet**: enten det gjelder distribusjon av modeller på mobile enheter eller orkestrering på flere servere, tilbyr TensorFlow betydelig allsidighet;

- **Ytelse**: i kjernen er TensorFlow bygget på C++, noe som sikrer optimalisering for høyhastighetsoppgaver;

- **Økosystem**: TensorFlow støttes av verktøy som TensorBoard og TensorFlow Hub, som beriker økosystemet. I tillegg finnes det innebygd støtte for Pandas- og NumPy-bibliotekene;

- **GPU-akselerasjon**: TensorFlow kan utnytte kraften til GPU-er (grafikkprosesseringsenheter) for å akselerere mange beregninger som er essensielle for storskala dyp læring.

### En praktisk tilnærming

Forståelse av TensorFlows potensial oppnås best gjennom **praktisk erfaring**. Vi starter med det grunnleggende.

I dette kurset benytter vi den integrerte kodekjøreren for oppgaver med **TensorFlow allerede installert**. Dersom du ønsker å **installere TensorFlow** i ditt eget Python-miljø, kan du bruke følgende kommando:

```
pip install tensorflow
```

Nå som TensorFlow er installert, kan vi **verifisere versjonen** med følgende kommando:

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

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

Å kjøre koden ovenfor vil vise TensorFlow-versjonen som brukes i Python-miljøet.



Den nyeste versjonen av TensorFlow kan endres over tid. Grunnleggende konsepter forblir likevel konsistente på tvers av ulike versjoner.

Merk

Hva er tensorer i sammenheng med TensorFlow?

Hvilke av følgende er nøkkelfunksjoner i TensorFlow?

Bli ekspert på å bygge, trene og evaluere nevrale nettverk ved hjelp av TensorFlow og Keras. Dette kurset dekker modellopprettelse, egendefinerte treningssløyfer og beste praksis for effektive arbeidsflyter innen dyp læring. Gjennom praktiske prosjekter og virkelighetsnære scenarioer får du praktisk erfaring med bransjestandard verktøy og teknikker som er essensielle for avansert ingeniørarbeid innen dyp læring.

Velkommen til TensorFlow

Formål med TensorFlow

Nøkkelfunksjoner

En praktisk tilnærming

1. Hva er tensorer i sammenheng med TensorFlow?

2. Hvilke av følgende er nøkkelfunksjoner i TensorFlow?