Välkommen till TensorFlow

Denna lektion ger en introduktion till TensorFlow, med fokus på dess ursprung, huvudsyften och utmärkande egenskaper. Efter denna lektion kommer deltagarna att ha fått en grundläggande förståelse för TensorFlow.

Syftet med TensorFlow

Namnet TensorFlow är ganska beskrivande. Inom maskininlärning, särskilt djupinlärning, manipuleras och överförs data mellan operationer i strukturer som kallas tenser. Tänk på en tensor som en avancerad flerdimensionell array. TensorFlow tillhandahåller en plattform för att konstruera och manipulera dessa beräkningsgrafer där tensorer flödar genom dem.

Detta diagram ger en visuell representation av ett grundläggande neuralt nätverk. Ser du vägarna? Det visar data, strukturerad som tensorer, som bearbetas genom nätverket.

Viktiga funktioner

Flexibilitet: oavsett om det gäller att distribuera modeller på mobila enheter eller orkestrera dem över flera servrar, erbjuder TensorFlow betydande mångsidighet;
Prestanda: i grunden är TensorFlow byggt på C++, vilket säkerställer optimering för högpresterande uppgifter;
Ekosystem: TensorFlow kompletteras av verktyg som TensorBoard och TensorFlow Hub, vilket berikar dess ekosystem. Dessutom finns inbyggt stöd för biblioteken Pandas och NumPy;
GPU-acceleration: TensorFlow kan utnyttja kraften hos GPU:er (grafikprocessorer) för att påskynda många beräkningar som är avgörande för storskaliga deep learning-uppgifter.

En praktisk introduktion

Att förstå TensorFlows potential uppnås bäst genom praktisk erfarenhet. Här börjar vi med grunderna.

I denna kurs kommer vi att använda den integrerade kodköraren för uppgifter med TensorFlow redan installerat. Om du däremot vill installera TensorFlow i din egen Python-miljö kan du använda följande kommando:

pip install tensorflow

Nu när TensorFlow är installerat kan vi verifiera dess version med följande kommando:


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

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

Att köra ovanstående kod visar vilken TensorFlow-version som används i Python-miljön.

Observera

Den senaste versionen av TensorFlow kan ändras över tid. Grundläggande koncept förblir dock konsekventa mellan olika versioner.

1. Vad är tensorer i sammanhanget TensorFlow?

2. Vilka av följande är nyckelfunktioner i TensorFlow?

Var allt tydligt?

Tack för dina kommentarer!

Avsnitt 1. Kapitel 1

Fråga AI

Fråga vad du vill eller prova någon av de föreslagna frågorna för att starta vårt samtal

Välkommen till TensorFlow

Förkunskaper

Introduktion till neurala nätverk

Välkommen till TensorFlow

Syftet med TensorFlow

Detta diagram ger en visuell representation av ett grundläggande neuralt nätverk. Ser du vägarna? Det visar data, strukturerad som tensorer, som bearbetas genom nätverket.

Viktiga funktioner

Flexibilitet: oavsett om det gäller att distribuera modeller på mobila enheter eller orkestrera dem över flera servrar, erbjuder TensorFlow betydande mångsidighet;
Prestanda: i grunden är TensorFlow byggt på C++, vilket säkerställer optimering för högpresterande uppgifter;
Ekosystem: TensorFlow kompletteras av verktyg som TensorBoard och TensorFlow Hub, vilket berikar dess ekosystem. Dessutom finns inbyggt stöd för biblioteken Pandas och NumPy;
GPU-acceleration: TensorFlow kan utnyttja kraften hos GPU:er (grafikprocessorer) för att påskynda många beräkningar som är avgörande för storskaliga deep learning-uppgifter.

En praktisk introduktion

Att förstå TensorFlows potential uppnås bäst genom praktisk erfarenhet. Här börjar vi med grunderna.

pip install tensorflow

Nu när TensorFlow är installerat kan vi verifiera dess version med följande kommando:


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

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

Att köra ovanstående kod visar vilken TensorFlow-version som används i Python-miljön.

Observera

Den senaste versionen av TensorFlow kan ändras över tid. Grundläggande koncept förblir dock konsekventa mellan olika versioner.

Var allt tydligt?

Tack för dina kommentarer!

Avsnitt 1. Kapitel 1