บทนำ
TensorFlow เฟรมเวิร์ก ML จาก Google โค้ดเปิด ใช้กับ Python ใช้ในงานวิจัยและการผลิต มีเทคนิคเพิ่มประสิทธิภาพ ใช้ NumPy และเทนเซอร์ รองรับ Deep Neural Networks สเกลได้ดี ใช้ GPU computation จัดการทรัพยากรอัตโนมัติ มีไลบรารี ML มากมาย เอกสารดี
การติดตั้ง
pip install tensorflow
Tensor
เทนเซอร์ = อาร์เรย์หลายมิติ สำหรับ Data flow graph
ตัวอย่าง: Linear Regression ด้วย Gradient Descent
def linear_reg(x):
return A * x + b
def mean_square_error(y_pred, y_true):
return tf.reduce_mean(tf.square(y_pred - y_true))
optimizer = tf.optimizers.SGD(learning_rate)
def run_optimization():
with tf.GradientTape() as g:
pred = linear_reg(X)
loss = mean_square_error(pred, Y)
gradients = g.gradient(loss, [A, b])
optimizer.apply_gradients(zip(gradients, [A, b]))
ที่มา: TensorFlow Examples
ผลลัพธ์
ฟังก์ชัน Linear Regression ถูกเรียกใช้กับข้อมูล เมื่อคำนวณจุดข้อมูลที่เหมาะสมแล้ว คำนวณ Mean Square Error ใช้ Gradient Descent หา optimal weights แสดงค่าบนคอนโซล
คำอธิบาย
- สุ่มค่าเริ่มต้น weight (A) และ bias (b) จะอัปเดตเป็นค่าที่เหมาะสมหลังฝึก
- สมการเส้นตรง:
Ax + bโดย A = weight, b = bias - กำหนดฟังก์ชัน Mean Square Error
- กำหนด Stochastic Gradient Descent Optimizer
- กำหนดฟังก์ชัน optimization: คำนวณ gradients และอัปเดต weight/bias
- ฝึกข้อมูลจำนวนขั้นตอนที่กำหนด
