Tensorflow cho người mới bắt đầu

Mục lục nội dung

Lịch sử Thành lập và hoạt động TensorFlowCách TensorFlow hoạt độngCác option cài dữ liệu vào TensorFlow

Tensorflow là gì – Với sự bùng nổ của lĩnh vực Trí Tuệ Nhân Tạo – A.I. vào thập kỷ vừa qua, machine learning cùng deep learning cụ thể cũng phát triển theo cùng. Và làm việc thời điểm hiện nay, TensorFlow đó là thư viện mã mối cung cấp mlàm việc cho machine learning khét tiếng tuyệt nhất quả đât, được cải cách và phát triển vị các bên nghiên cứu từ bỏ Google. Việc cung ứng mạnh mẽ những phxay tân oán học nhằm tính toán vào machine learning và deep learning đã giúp việc tiếp cận các bài bác toán thù trsinh sống cần đơn giản, lập cập cùng thuận lợi rộng những. 

Các hàm được dựng sẵn trong thư viện mang lại từng bài toán có thể chấp nhận được TensorFlow chế tạo được không ít neural network. Nó còn được cho phép các bạn tính toán song song trên những máy vi tính không giống nhau, thậm chí trên nhiều CPU, GPU trong cùng 1 sản phẩm công nghệ xuất xắc tạo nên các dataflow graph – thứ thị luồng tài liệu nhằm hình thành các Model. Nếu bạn muốn lựa chọn con phố sự nghiệp vào nghành nghề dịch vụ A.I. này, nắm vững phần nhiều điều cơ phiên bản của TensorFlow thực sự siêu quan trọng đặc biệt.

Bạn đang xem: Tensorflow cho người mới bắt đầu


*
*
Cuối cùng, bọn họ chạy 1 session TensorFlow nhưng mà vẫn chạy thứ thị tính toán thù với giá trị của X_1 và X_2 và print phần kết quả của phxay nhân. Hãy xác minh các input node của X_1 và X_2. Khi ta chế tạo ra 1 node vào TensorFlow, bọn họ buộc phải chọn nó là một số loại node gì. Các node X1 cùng X2 sẽ là node placeholder – node duy trì nơi. Placeholder chỉ định và hướng dẫn 1 giá trị bắt đầu mỗi lúc ta có tác dụng 1 phép tính. Ta sẽ tạo nên chúng như là một trong node TF chnóng placeholder.Bước 1: Xác định vị trị

X_1 = tf.placeholder(tf.float32, name = "X_1")X_2 = tf.placeholder(tf.float32, name = "X_2")khi ta chế tác 1 node placeholder, ta yêu cầu gửi loại dữ liệu sẽ tiến hành thêm số trên phía trên nên ta hoàn toàn có thể áp dụng 1 loại dữ liệu floating-point, hãy dùng tf.float32. Chúng ta cũng rất cần được mang lại node này 1 cái thương hiệu. Tên này sẽ lộ diện Lúc ta nhìn vào phần trực quan tiền dạng trang bị thị của model. Hãy viết tên node X_1 này bằng cách nhập 1 tyêu thích số được gọi là tên với cùng 1 quý hiếm của X_1 cùng hiện thời hãy xác định X_2 Theo phong cách tựa như.

Bước 2: Xác định phần tính toán

multiply = tf.multiply(X_1, X_2, name = "multiply")Giờ ta rất có thể xác minh node vẫn triển khai operation phép nhân. Trong TensorFlow, bạn có thể có tác dụng điều ấy bằng phương pháp chế tác 1 node tf.multiply.Ta đã nhập node X_1 cùng X_2 tới node nhân. Nó đang nói cùng với TensorFlow nhằm links số đông node kia vào thứ thị tính toán, buộc phải ta đang yêu thương cầu nó nhằm pull các cực hiếm từ bỏ x cùng y với nhân phần hiệu quả. Hãy mang lại node nhân cái tên multiply. Nó là tổng thể khái niệm mang đến vật dụng thị tính tân oán đơn giản và dễ dàng này.

Xem thêm: Tải Game Bắn Gà 6 Miễn Phí Về Máy Tính, Tải Game Bắn Gà 1,2,3,4,5 Full Miễn Phí

Cách 3: Thực thi operationĐể thực thi các operation trong thứ thị, ta phải tạo 1 session. Trong TensorFlow, nó được tiến hành bởi tf.Session(). Giờ ta có 1 session ta hoàn toàn có thể hỏi session nhằm chạy operation bên trên vật thị tính toán thù của ta bằng cách Gọi session. Để chạy phần tính tân oán, họ sẽ sử dụng run.lúc operation bổ sung cập nhật chạy, nó vẫn thấy rằng nó nên để mang các cực hiếm của node X_1 với X_2, nên chúng ta cũng cần cung cấp những trị cho X_1 cùng X_2. Ta có thể dùng điều đó bằng cách cung cấp 1 tyêu thích số được Call là feed_dict. Chúng ta gửi quý hiếm 1,2,3 cho X_1 và 4,5,6 mang lại X_2.Chúng ta print phần tác dụng cùng với print(result). Chúng ta đang thấy 4,10 và 18 mang đến 1×4, 2×5 với 3,6.

X_1 = tf.placeholder(tf.float32, name = "X_1")X_2 = tf.placeholder(tf.float32, name = "X_2")multiply = tf.multiply(X_1, X_2, name = "multiply")with tf.Session() as session: result = session.run(multiply, feed_dict=X_1:<1,2,3>, X_2:<4,5,6>) print(result)< 4. 10. 18.>

Các option mua tài liệu vào TensorFlow

Bước trước tiên trước lúc train 1 thuật toán machine learning là load dữ liệu. Có 2 bí quyết thông dụng nhằm load dữ liệu:1. Load dữ liệu vào cỗ nhớ: đây là cách thức dễ dàng nhất. Bạn load tất cả dữ liệu vào bộ nhớ như một mảng solo. Quý khách hàng cũng có thể viết code bằng Pyeo hẹp. Những mẫu code này sẽ không tương quan gì cho tới TensorFlow.

2. Pipeline dữ liệu TensorFlow. TensorFlow cài đặt built-in API với nó sẽ giúp các bạn load dữ liệu, thực thi những operation với feed thuật toán thù machine learning 1 cách dễ ợt. Pmùi hương pháp này chuyển động tốt đặc trưng khi bạn có 1 dataphối bự. Ví dụ: những hình hình họa nhận được được hiểu tương đối là lớn tưởng và cấp thiết fit vào bộ nhớ. Pipeline dữ liệu vẫn từ bỏ cai quản phần bộ lưu trữ.

Giải pháp đã là gì?

Load dữ liệu vào bộ nhớ

Nếu datamix của công ty không quá bự, ví dụ như bên dưới 10 GB, chúng ta có thể dùng phương pháp thứ nhất. Dữ liệu có thể dễ dàng fit vào bộ nhớ lưu trữ. Quý Khách cũng hoàn toàn có thể sử dụng 1 thỏng viện khét tiếng mang tên là Pandas nhằm import những tệp CSV. 1Load dữ liệu với TensorFlow pipelinePmùi hương pháp thứ hai sẽ hoạt động tốt nhất nếu bạn có 1 dataset bự. Ví dụ: nếu khách hàng có 1 datamix nặng 50 GB và laptop của người sử dụng chỉ có 16GB dung tích thì rõ ràng là sản phẩm công nghệ đang crash thôi.