Introdução ao Tensorflow
O Tensorflow é um software e uma biblioteca de código aberto. Foi desenvolvido pela equipe do Google Brain, que foi criada pela equipe de pesquisa de inteligência artificial de aprendizado profundo no google 2010. O Google o utilizou para uso interno depois que foi lançado no Apache2.0 Open source - 2015. Neste tópico, vamos ot Aprenda sobre os fundamentos do Tensorflow.
Tensorflow é o sistema de segunda geração do cérebro do Google. A versão 1 foi lançada em 11 de fevereiro de 2017. O Tensorflow 1.0 agora possuía a API Python e a API para a linguagem java e GO também foi adicionada à versão 1.0. Rede neural de operações de fluxo de tensor realizada em matriz de dados multidimensional, que é chamada de tensor. Funciona com tensores. É uma biblioteca de software para aprendizado profundo e trabalha principalmente para computação numérica usando gráficos de fluxo de dados.
O que é o Tensorflow Basics?
Os tensores são objetos que descrevem a relação linear entre vetores, escalares e outros tensores. Os tensores nada mais são do que matrizes multidimensionais.
O Tensorflow fornece suporte para escrever o código de acordo com seus requisitos e acessar diferentes tipos de ferramentas. Podemos escrever código C ++ e chamar código C ++ a partir de python. Ou podemos escrever código python e chamá-lo por C ++.
Visto acima da imagem, a camada mais baixa suporta duas linguagens: a linguagem Python e a segunda linguagem C ++. Você pode escrevê-lo em qualquer idioma da sua zona de conforto. Possui uma coleção de bibliotecas matemáticas diferentes que ajudam a criar facilmente funções matemáticas.
Ele também fornece suporte para processamento como CPU, GPU, TPU e também é executado em celulares Android.
Tf.layers : - tf.layers é usado para o resumo do método, para que você possa personalizar as camadas das redes neurais.
Tf.estimator : - a API mais comumente usada no tensorflow é o tf.estimator. Ajuda na criação e treinamento, teste seu modelo.
Instalação do Tensorflow
- Primeiro verifique sua versão do pip, se não for o mais recente, execute o seguinte comando para atualizar o pip
instalação do pip - upgrade do pip
- Execute o código abaixo para instalar a versão mais simples do Tensorflow
pip instala tensorflow / conda instala tensorflow (Anaconda)
- Isso instalará o Tensorflow com as configurações suportadas pela gpu.
instalação do pip Tensorflow-gpu
Exemplo de tf.estimator para usar o classificador por 3 linhas de código
Import tensorflow as tf
classifier = tf.estimator.LinearClassifier(feature_columns)
classifier.train(input_fn=train_input_function, steps=2000)
predictions = classifier.predict(input_fn=predict_input_function)
Tipos de dados básicos do Tensorflow
Os tipos de dados básicos na estrutura do Tensorflow (Tensores)
Abaixo mostra cada dimensão dos tensores.
- Matriz Dimensional Escalar - O
- Vetor - 1, dimensional, matriz
- Matriz - matriz bidimensional
- Tensor 3D - Matriz tridimensional
- Tensor N - D - matriz N-dimensional
Tensores Constantes
Variáveis
Classe tf.Variable, para criar uma variável no tensorflow e chamar a função tf.get_variable
Inicializando variáveis
Para inicializar as variáveis, chamando tf.global_variables_initializer, podemos inicializar todas as variáveis.
Um exemplo simples de variável e expressão matemática
Maneira normal
a = 3, 0, b = 8 * a +10
Maneira Tensorflow
c = tf.Variável (tf.adicionar (tf.multiplicar (X, a), b)
Gráficos
Cada linha do nosso código escrita em tensorflow é convertida em um gráfico subjacente
Exemplo:
- Nós: representa operações matemáticas.
- Bordas: representa a matriz multidimensional (Tensores) e mostra como eles se comunicam entre eles.
Tensorflow 2.0
- Na segunda versão do Tensorflow, eles se concentraram em tornar a API mais simples e fácil de usar.
- Os componentes da API se integram melhor ao Keras, por padrão, o modo de execução ansioso é ativado.
- Modo Ansioso: A execução ansiosa é uma interface de execução na qual as operações são executadas imediatamente, como são chamadas no Python.
- Podemos usar o modo ansioso em vez do modo gráfico. Podemos calcular o que precisamos calcular e podemos obter resultados imediatamente. Isso tornará o Tensorflow tão fácil quanto o Pytorch
- Focando em remover APIs de duplicação.
Keras
- O Tensorflow fornece uma API de alto nível para criar e treinar modelos de aprendizado profundo. Isso não foi incluído no tensorflow, mas na versão mais recente, o Keras foi incluído no Tensorflow 2.0.
- Fácil de usar: o Keras fornece uma interface simples e consistente para casos de uso comuns.
- Modular e compostável: os modelos Keras são feitos conectando os blocos de construção.
- Fácil de estender: Crie ou atualize novas camadas, métricas, funções de perda
- Use tf.keras para usar os modelos Keras.
Tensorflow Lite
- Em 2017, o Google anunciou um software desenvolvido especificamente para o desenvolvimento móvel, o Tensorflow Lite.
- O Tensorflow Lite (TFLite) é uma solução leve para inferência de dispositivos móveis.
- Também podemos usá-lo para IOS e Android, criando a API C ++, assim como também podemos classe Java wrapper para desenvolvedores Android.
Lista de algoritmos que o Tensorflow suporta
1. Para Regressão
- Regressão linear (tf.estimator. Regressão linear)
- Regressão da árvore de reforço (tf.estimator. Regressor de árvore impulsionada)
2. Para Classificação
- Classificação (tf.estimator. Linear Classifier)
- Deep Learning Combined (tf.estimator. DNNLinearCombinedClassifier)
- Classificador de árvore impulsionada (tf.estimator. Classificador de árvore impulsionada)
Recursos do Tensorflow
- O Tensorflow funciona de maneira eficiente com diferentes tipos de expressões matemáticas que envolvem matrizes multidimensionais (tensores)
- Ele também fornece suporte para redes neurais de aprendizado profundo e outros conceitos de aprendizado de máquina.
- O Tensorflow pode ser executado em várias CPUs e GPUs.
- Ele também fornece seu próprio poder de processamento, que é a Unidade de Processamento Tensor.
Unidade de processamento de tensor (TPU)
- O Google anunciou sua unidade de processamento Tensor (TPU), um circuito integrado específico de aplicativo (Hardware Chip), criado especificamente para o Machine Learning e adaptado para o Tensorflow.
- Em 2017, o Google anunciou a segunda versão do Tensorflow, bem como a disponibilidade das TPUs na nuvem do Google.
- O TPU é um acelerador de IA programável e construído para usar ou executar modelos. Google executando TPUs em seus data centers por mais de um ano.
Edge TPU
- O Edge TPU é um chip desenvolvido pelo Google para projetar e executar modelos de aprendizado de máquina (ML) Tensorflow Lite para rodar em pequenos dispositivos de computação, como smartphones.
- Alta escalabilidade para calcular enormes conjuntos de dados
- Também pode treinar e servir modelos em um modelo ativo. Reescrita de código não necessário
Conclusão - Fundamentos do Tensorflow
Tensorflow é uma biblioteca de aprendizado profundo muito usada. Isso é usado principalmente na criação de redes neurais, também usadas por empresas iniciantes, grandes empresas.
Como discutido acima, o Google também está usando o tensorflow para fins internos e ainda é usado principalmente em todos os tipos de produtos, como o Gmail e o mecanismo de busca do Google.
Artigos recomendados
Este é um guia para os Fundamentos do Tensorflow. Aqui discutimos a instalação do Tensorflow com os recursos e a lista de algoritmos suportados pelo Tensorflow. Você também pode consultar o seguinte artigo para saber mais -
- O que é o TensorFlow?
- Alternativas ao TensorFlow
- Introdução ao Tensorflow
- Como instalar o TensorFlow
- Tipos de Dados C ++