Სარჩევი:

რა არის TensorFlow მოდული?
რა არის TensorFlow მოდული?

ვიდეო: რა არის TensorFlow მოდული?

ვიდეო: რა არის TensorFlow მოდული?
ვიდეო: PyTorch or Tensorflow? Which Should YOU Learn! 2024, მაისი
Anonim

ა მოდული არის თვითნაკეთი ნაჭერი ა TensorFlow გრაფიკი, მის წონებთან და აქტივებთან ერთად, რომელიც შეიძლება ხელახლა იქნას გამოყენებული სხვადასხვა ამოცანებში იმ პროცესში, რომელიც ცნობილია როგორც გადაცემის სწავლა. ტრანსფერული სწავლება შეიძლება: მოამზადოს მოდელი უფრო მცირე მონაცემთა ნაკრებით, გააუმჯობესოს განზოგადება და. დააჩქარეთ ვარჯიში.

ასევე, როგორ იყენებთ TensorFlow ჰაბს?

რომ გამოყენება მოდული, თქვენ იმპორტი TensorFlow Hub , შემდეგ დააკოპირეთ/ჩასვით მოდულის URL თქვენს კოდში. ზოგიერთი გამოსახულების მოდული ხელმისაწვდომია TensorFlow Hub . თითოეულ მოდულს აქვს განსაზღვრული ინტერფეისი, რომელიც საშუალებას აძლევს მას გამოიყენოს შესაცვლელი გზით, მისი შიდა ნაწილების მცირე ცოდნის გარეშე.

გარდა ამისა, როგორ შემოვიტანო TensorFlow Jupyter-ის ნოუთბუქში? Შიგნით რვეული , შენ შეგიძლია იმპორტი TensorFlow tf მეტსახელით. დააწკაპუნეთ გასაშვებად. ქვემოთ იქმნება ახალი უჯრედი. მოდით დავწეროთ თქვენი პირველი კოდი TensorFlow.

გაუშვით Jupyter Notebook

  1. გააქტიურეთ hello-tf conda გარემო.
  2. გახსენით იუპიტერი.
  3. იმპორტი tensorflow.
  4. წაშალე ნოუთბუქი.
  5. დახურეთ იუპიტერი.

ამასთან დაკავშირებით, არის თუ არა TensorFlow ღია წყარო?

TensorFlow არის საჯარო წყარო პროგრამული ბიბლიოთეკა რიცხვითი გამოთვლებისთვის მონაცემთა ნაკადის გრაფიკების გამოყენებით. TensorFlow არის კროს პლატფორმა. ის მუშაობს თითქმის ყველაფერზე: GPU-ებზე და CPU-ებზე, მათ შორის მობილურ და ჩაშენებულ პლატფორმებზე, და თუნდაც ტენსორის დამუშავების ერთეულებზე (TPU), რომლებიც სპეციალიზირებულია ტენსორის მათემატიკის შესასრულებლად.

როგორ დავაყენო TensorFlow ადგილობრივად?

როგორ: დააინსტალირეთ Tensorflow ადგილობრივად

  1. პითონის ინსტალაციის კლონირება ადგილობრივ დირექტორიაში. ჩამოთვლილია სამი ალტერნატიული შექმნის ბრძანება.
  2. გაააქტიურეთ კლონის გარემო. bash shell-ისთვის: წყაროს გააქტიურება ადგილობრივი.
  3. დააინსტალირეთ პაკეტი. დააინსტალირეთ tensorflow-ის უახლესი ვერსია, რომელიც შეესაბამება gpu-ს.
  4. პითონის პაკეტის ტესტი.
  5. დააინსტალირეთ თქვენი საკუთარი პითონის მოდულები.

გირჩევთ: