Tensorflow คือเฟรมเวิร์กแมชชีนเลิร์นนิงที่ให้บริการโดย Google เป็นเฟรมเวิร์กโอเพนซอร์ซที่ใช้ร่วมกับ Python เพื่อใช้อัลกอริทึม แอปพลิเคชันการเรียนรู้เชิงลึก และอื่นๆ อีกมากมาย ใช้ในการวิจัยและเพื่อการผลิต มีเทคนิคการเพิ่มประสิทธิภาพที่ช่วยในการดำเนินการทางคณิตศาสตร์ที่ซับซ้อนได้อย่างรวดเร็ว
เนื่องจากใช้ NumPy และอาร์เรย์หลายมิติ อาร์เรย์หลายมิติเหล่านี้เรียกอีกอย่างว่า 'เทนเซอร์' เฟรมเวิร์กรองรับการทำงานกับโครงข่ายประสาทเทียมระดับลึก สามารถปรับขนาดได้สูงและมาพร้อมกับชุดข้อมูลยอดนิยมมากมาย ใช้การคำนวณ GPU และจัดการทรัพยากรโดยอัตโนมัติ มันมาพร้อมกับไลบรารีแมชชีนเลิร์นนิงจำนวนมาก และได้รับการสนับสนุนและจัดทำเป็นเอกสารอย่างดี เฟรมเวิร์กมีความสามารถในการใช้งานโมเดล Deep Neural Network ฝึกอบรม และสร้างแอปพลิเคชันที่คาดการณ์ลักษณะที่เกี่ยวข้องของชุดข้อมูลที่เกี่ยวข้อง
แพ็คเกจ 'tensorflow' สามารถติดตั้งบน Windows ได้โดยใช้บรรทัดโค้ดด้านล่าง -
pip install tensorflow
Tensor เป็นโครงสร้างข้อมูลที่ใช้ใน TensorFlow ช่วยเชื่อมต่อขอบในแผนภาพการไหล แผนภาพการไหลนี้เรียกว่า 'กราฟการไหลของข้อมูล' เทนเซอร์เป็นเพียงอาร์เรย์หลายมิติหรือรายการ พวกเขาสามารถระบุได้โดยใช้สามคุณลักษณะหลัก -
-
อันดับ
มันบอกเกี่ยวกับมิติของเทนเซอร์ สามารถเข้าใจได้ว่าเป็นลำดับของเทนเซอร์หรือจำนวนมิติในเทนเซอร์ที่กำหนดไว้
-
ประเภท
มันบอกเกี่ยวกับชนิดข้อมูลที่เกี่ยวข้องกับองค์ประกอบของเทนเซอร์ อาจเป็นเทนเซอร์แบบหนึ่งมิติ สองมิติ หรือ n มิติก็ได้
-
รูปร่าง
คือจำนวนแถวและคอลัมน์รวมกัน
ให้เราเข้าใจ 'สวัสดีชาวโลก' ของเทนเซอร์โฟลว์
เราจะใช้ Jupyter Notebook เพื่อเรียกใช้โค้ดเหล่านี้ สามารถติดตั้ง TensorFlow บน Jupyter Notebook ได้โดยใช้ 'pip ติดตั้ง tensorflow'
เรามาดูตัวอย่างกัน −
ตัวอย่าง
import tensorflow as tf
hello = tf.constant("hello there")
print(hello)
print(hello.numpy()) ผลลัพธ์
tf.Tensor(b'hello there', shape=(), dtype=string) b'hello there'
คำอธิบาย
-
นำเข้าแพ็คเกจที่จำเป็นและระบุนามแฝงเพื่อความสะดวกในการใช้งาน
-
ค่าคงที่ถูกสร้างขึ้นโดยใช้แพ็คเกจเทนเซอร์โฟลว์ และกำหนดค่าให้กับตัวแปร
-
ตัวแปรนี้พิมพ์อยู่บนคอนโซล
-
เทนเซอร์จะแสดงขึ้นโดยใช้แพ็คเกจ NumPy
