Tensorflow คือเฟรมเวิร์กแมชชีนเลิร์นนิงที่ให้บริการโดย Google เป็นเฟรมเวิร์กโอเพนซอร์ซที่ใช้ร่วมกับ Python เพื่อใช้อัลกอริทึม แอปพลิเคชันการเรียนรู้เชิงลึก และอื่นๆ อีกมากมาย ใช้ในการวิจัยและเพื่อการผลิต มีเทคนิคการเพิ่มประสิทธิภาพที่ช่วยในการดำเนินการทางคณิตศาสตร์ที่ซับซ้อนได้อย่างรวดเร็ว
เนื่องจากใช้ NumPy และอาร์เรย์หลายมิติ อาร์เรย์หลายมิติเหล่านี้เรียกอีกอย่างว่า 'เทนเซอร์' เฟรมเวิร์กรองรับการทำงานกับโครงข่ายประสาทเทียมระดับลึก สามารถปรับขนาดได้สูงและมาพร้อมกับชุดข้อมูลยอดนิยมมากมาย ใช้การคำนวณ GPU และจัดการทรัพยากรโดยอัตโนมัติ มันมาพร้อมกับไลบรารีการเรียนรู้ของเครื่องจำนวนมาก และได้รับการสนับสนุนและจัดทำเป็นเอกสารอย่างดี เฟรมเวิร์กมีความสามารถในการใช้งานโมเดล Deep Neural Network ฝึกอบรม และสร้างแอปพลิเคชันที่คาดการณ์ลักษณะที่เกี่ยวข้องของชุดข้อมูลที่เกี่ยวข้อง
แพ็คเกจ 'tensorflow' สามารถติดตั้งบน Windows ได้โดยใช้บรรทัดโค้ดด้านล่าง -
pip install tensorflow
Tensor เป็นโครงสร้างข้อมูลที่ใช้ใน TensorFlow ช่วยเชื่อมต่อขอบในแผนภาพการไหล แผนภาพการไหลนี้เรียกว่า 'กราฟการไหลของข้อมูล' เทนเซอร์เป็นเพียงอาร์เรย์หลายมิติหรือรายการ
เราจะใช้ Jupyter Notebook เพื่อเรียกใช้โค้ดเหล่านี้ สามารถติดตั้ง TensorFlow บน Jupyter Notebook ได้โดยใช้ 'pip ติดตั้ง tensorflow'
ต่อไปนี้เป็นตัวอย่าง −
ตัวอย่าง
import tensorflow as tf
import numpy as np
matrix_1 = np.array([(1,2,3,4,5)],dtype = 'int32')
matrix_2 = np.array([(−1,0,1,3,3)],dtype = 'int32')
print("The first matrix is ")
print (matrix_1)
print("The second matrix is ")
print (matrix_2)
print("The product is ")
matrix_1 = tf.constant(matrix_1)
matrix_2 = tf.constant(matrix_2)
matrix_prod = tf.multiply(matrix_1, matrix_2)
print((matrix_prod)) ผลลัพธ์
The first matrix is [[1 2 3 4 5]] The second matrix is [[−1 0 1 3 3]] The product is tf.Tensor([[−1 0 3 12 15]], shape=(1, 5), dtype=int32)
คำอธิบาย
-
นำเข้าแพ็คเกจที่จำเป็นและระบุนามแฝงเพื่อความสะดวกในการใช้งาน
-
เมทริกซ์สองตัวถูกสร้างขึ้นโดยใช้แพ็คเกจ Numpy
-
พวกมันจะถูกแปลงจากการเป็นอาร์เรย์ Numpy เป็นค่าคงที่ใน Tensorflow
-
ฟังก์ชัน 'คูณ' ใน Tensorflow ใช้เพื่อคูณค่าตามองค์ประกอบในเมทริกซ์
-
ผลิตภัณฑ์ผลลัพธ์จะแสดงบนคอนโซล
