مسرد تعلُّم الآلة: TensorFlow

تتضمّن هذه الصفحة مسرد مصطلحات TensorFlow. للاطّلاع على كلّ مصطلحات المصطلحات، انقر هنا.

ج

Cloud TPU

#TensorFlow
#GoogleCloud

أداة من ميزات "مسرِّع الأجهزة" المُخصَّصة لتسريع أداء أعباء تعلُّم الآلة على Google Cloud Platform.

D

واجهة برمجة تطبيقات مجموعة البيانات (tf.data)

#TensorFlow

واجهة برمجة تطبيقات TensorFlow عالية المستوى لقراءة البيانات وتحويلها إلى نموذج تتطلبه خوارزمية تعلُم الآلة. يمثل الكائن tf.data.Dataset تسلسلاً من العناصر، ويحتوي كل عنصر على واحد أو أكثر من أدوات الاستشعار. يوفر الكائن tf.data.Iterator إمكانية الوصول إلى عناصر Dataset.

للحصول على تفاصيل عن واجهة برمجة التطبيقات Dataset API، يُرجى الاطّلاع على tf.data: Build TensorFlow inputlines في دليل TensorFlow Programmer's.

جهاز

#TensorFlow

فئة من الأجهزة التي يمكنها تشغيل جلسة TensorFlow، بما في ذلك وحدات المعالجة المركزية (CPU) ووحدات GPU وTPU.

E

تنفيذ حريص

#TensorFlow

بيئة برمجة TensorFlow التي يتم فيها تنفيذ العمليات على الفور. في المقابل، لا تعمل العمليات المسمّاة في تنفيذ الرسم البياني حتى يتم تقييمها صراحةً. والتنفيذ الدقيق هو واجهة إلزامية، وهي تشبه إلى حد كبير الرمز المستخدم في معظم لغات البرمجة. وبوجهٍ عام، يكون تصحيح برامج التنفيذ أسهل بكثير من برامج تنفيذ الرسم البياني.

مقدِّر

#TensorFlow

واجهة برمجة تطبيقات TensorFlow متوقفة نهائيًا. استخدم tf.keras بدلاً من المقيّمين.

ج

هندسة الميزات

#fundamentals
#TensorFlow

عملية تتضمّن الخطوات التالية:

  1. يمكن تحديد الميزات التي قد تكون مفيدة في تدريب نموذج.
  2. تحويل البيانات الأولية من مجموعة البيانات إلى إصدارات فعالة من هذه الميزات.

على سبيل المثال، يمكن أن تحدّد أن temperature ميزة مفيدة. بعد ذلك، يمكنك تجربة مجموعة البيانات لتحسين ما يمكن أن يتعلّمه النموذج من نطاقات temperature مختلفة.

وتُسمّى هندسة الميزات أحيانًا استخراج الميزات.

مواصفات الميزة

#TensorFlow

تصف المعلومات المطلوبة لاستخراج بيانات features من المخزن المؤقت للبروتوكول tf.Example. بما أنّ ذاكرة التخزين المؤقت لبروتوكول tf.Example هي حاوية للبيانات فقط، عليك تحديد ما يلي:

  • البيانات المطلوب استخراجها (أي مفاتيح الميزات)
  • نوع البيانات (مثلاً، قيمة عائمة أو عدد صحيح)
  • الطول (ثابت أو متغيّر)

أخضر

رسم بياني

#TensorFlow

في TensorFlow، هي مواصفات حسابية. تمثّل العُقد في الرسم البياني العمليات. يتم توجيه الحواف وتمثّل نتيجة نتيجة عملية (أداة استشعار) كمعامل لعملية أخرى. استخدِم TensorBoard لعرض رسم بياني.

تنفيذ الرسم البياني

#TensorFlow

بيئة برمجة TensorFlow التي ينشئ فيها البرنامج أولاً رسمًا بيانيًا، ثم ينفِّذ كل ذلك الرسم البياني أو جزء منه. تنفيذ الرسم البياني هو وضع التنفيذ التلقائي في TensorFlow 1.x.

قارِن مع تنفيذ حرِم.

يسار

الطبقات API (tf.layers)

#TensorFlow

واجهة برمجة تطبيقات TensorFlow لإنشاء شبكة عصبونية عميق عبارة عن مزيج من الطبقات تتيح لك واجهة برمجة التطبيقات الطبقات إنشاء أنواع مختلفة من الطبقات، مثل:

تتّبع واجهة برمجة التطبيقات الطبقات اتفاقيات واجهة برمجة تطبيقات كيراس. ويعني ذلك، إلى جانب بادئة مختلفة، فإن جميع الدوال في الطبقات في واجهة برمجة التطبيقات لها الأسماء والتوقيعات نفسها مثلها في واجهة برمجة تطبيقات Keras الطبقات.

ذكر

المقياس

#TensorFlow

إحصاءات مهمّة بالنسبة إليك.

الهدف هو مقياس يحاول نظام تعلُّم الآلة تحسينه.

لا

عقدة (رسم بياني TensorFlow)

#TensorFlow

عملية في رسم بياني على TensorFlow

O

التشغيل (التشغيل)

#TensorFlow

في TensorFlow، أي إجراء ينشئ أداة استشعار أو يضلّها أو يفسدها. على سبيل المثال، الضرب في مصفوفة هو عملية تأخذ Tensor كإدخال وتُنشئ Tensor كإخراج.

شخصي

خادم المعلَمات (PS)

#TensorFlow

وظيفة تعمل على تتبُّع معلّمات النموذج في مكان موزّع.

س:

قائمة المحتوى التالي

#TensorFlow

عملية TensorFlow تنفّذ بنية بيانات قائمة الانتظار ويُستخدم عادةً في مؤتمر I/O.

أحمر

الترتيب (Tensor)

#TensorFlow

عدد الأبعاد في أداة الاستشعار على سبيل المثال، يتم احتساب المشاهِد في الترتيب 0 والترتيب المتّجه 1 والمصفوفة التي تحمل الترتيب 2.

يجب عدم الخلط بينها وبين الترتيب (العادية).

الدليل الجذري

#TensorFlow

الدليل الذي تحدّده لاستضافة الأدلة الفرعية لنقاط تحقق TensorFlow وملفات الأحداث لنماذج متعدّدة.

س

تم حفظ النموذج

#TensorFlow

التنسيق المُقترح لحفظ نماذج TensorFlow واستردادها. Save حفظ هو تنسيق تسلسلي محايد وقابل للاسترداد ويمكن استخدامه لأنظمة وأنظمة أعلى مستوى إنتاج نماذج TensorFlow واستهلاكها وتحويلها.

اطّلِع على فصل الحفظ والاستعادة في دليل TensorFlow Programmer's للحصول على التفاصيل الكاملة.

موفّر

#TensorFlow

كائن TensorFlow المسؤول عن حفظ نقاط فحص النماذج.

ملخّص

#TensorFlow

في TensorFlow، يتم استخدام قيمة أو مجموعة من القيم عند خطوة معيّنة، وعادةً ما تُستخدم لتتبّع مقاييس النموذج أثناء التدريب.

T

موتّر

#TensorFlow

بنية البيانات الأساسية في برامج TensorFlow Tenors هي بُعدَين N-(حيث يمكن أن يكون N كبيرًا جدًا) وهي عبارة عن بُنى للبيانات تتضمّن في أغلب الأحيان هوامش أو متّجهات أو مصفوفات. يمكن أن تحتوي عناصر Tensor على قيم من عدد صحيح أو نقطة عائمة أو سلسلة.

لوحة TensorBoard

#TensorFlow

لوحة البيانات التي تعرض الملخّصات المحفوظة أثناء تنفيذ برنامج واحد أو أكثر من برامج TensorFlow

TensorFlow

#TensorFlow

هي منصة تعلّم الآلة الموزّعة على نطاق واسع والموزّعة. يشير هذا المصطلح أيضًا إلى طبقة واجهة برمجة التطبيقات الأساسية في حزمة TensorFlow التي تدعم الحوسبة العامة في الرسوم البيانية لتدفق البيانات.

على الرغم من أن TensorFlow تُستخدم بشكل أساسي لتعلُّم الآلة، يمكنك أيضًا استخدام TensorFlow للمهام غير المستندة إلى تعلُّم الآلة التي تتطلّب الحوسبة الرقمية باستخدام الرسوم البيانية لتدفق البيانات.

ملعب "تينسفلو"

#TensorFlow

برنامج يوضّح كيفية تأثير المعلّمات المفرطة المختلفة على تدريب النموذج (الشبكة العصبونية بشكل أساسي). انتقِل إلى http://playground.zenorflow.org لتجربة لعبة TensorFlow Playground.

عرض TensorFlow

#TensorFlow

نظام أساسي لنشر النماذج المدرّبة في مرحلة الإنتاج.

وحدة معالجة Tenor (TPU)

#TensorFlow
#GoogleCloud

دائرة متكاملة خاصة بالتطبيق (ASIC) تعمل على تحسين أداء أعباء عمل تعلُم الآلة. يتم نشر ASIC هذه على هيئة شرائح TPU متعددة على جهاز TPU.

ترتيب Tenor

#TensorFlow

يُرجى الاطّلاع على الترتيب (Tensor).

شكل الموتّر

#TensorFlow

عدد العناصر التي تحتوي عليها أداة الاستشعار بأبعاد مختلفة على سبيل المثال، يكون Tensor شكل 5 في بُعد واحد و10 في بُعد آخر.

حجم Tenor

#TensorFlow

إجمالي عدد الأرقام القياسية التي تتضمّنها أداة الاستشعار. على سبيل المثال، يكون حجم [5، 10] Tensor 50.

مثال على tf

#TensorFlow

مخزن مؤقت للبروتوكول لوصف بيانات الإدخال لتدريب نموذج تعلُّم الآلة أو استنتاجه

tf.keras

#TensorFlow

تنفيذ Keras في TensorFlow.

وحدة معالجة الموتّرات

#TensorFlow
#GoogleCloud

اختصار وحدة معالجة جهاز الاستشعار.

شريحة TPU

#TensorFlow
#GoogleCloud

مسرِّعة الجبر الخطية القابلة للبرمجة مع ذاكرة معدل نقل بيانات عالية على الرقاقة ومحسّنة لأحمال عمل التعلم الآلي. تم نشر شرائح TPU متعددة على جهاز TPU.

جهاز TPU

#TensorFlow
#GoogleCloud

لوحة الدوائر المطبوعة (PCB) مع شرائح TPU متعددة، وواجهات شبكة ذات معدل نقل بيانات عالية، وأجهزة تبريد النظام.

رئيسي TPU

#TensorFlow
#GoogleCloud

عملية التنسيق المركزية التي يتم تشغيلها على جهاز مضيف يُرسِل ويتلقّى النتائج والنتائج والبرامج والأداء ومعلومات النظام الصحية ويتلقىها إلى موظفي TPU. يدير مدير وحدة TPU أيضًا عملية إعداد أجهزة TPU وإيقافها.

عقدة TPU

#TensorFlow
#GoogleCloud

مورد TPU على Google Cloud Platform يتضمّن نوع TPU محدّدًا. تتصل عقدة TPU بشبكة VPC من شبكة VPC المشابهة. عُقد TPU هي مورد محدّد في Cloud TPU API.

لوحة TPU

#TensorFlow
#GoogleCloud

ضبط معيَّن لأجهزة TPU في مركز بيانات Google كل الأجهزة في مجموعة أجهزة TPU متصلة ببعضها البعض من خلال شبكة مخصّصة عالية السرعة. إنّ جهاز TPU Pod هو أكبر تنسيق يتضمّن أجهزة TPU المتاحة لإصدار معيّن من وحدة TPU.

مورد TPU

#TensorFlow
#GoogleCloud

كيان TPU على Google Cloud Platform يتم إنشاؤه أو إدارته أو استهلاكه. على سبيل المثال، عُقد TPU وأنواع TPU هي موارد TPU.

شريحة TPU

#TensorFlow
#GoogleCloud

شريحة TPU هي جزء كسري من أجهزة TPU في جهاز TPU. كل الأجهزة في شريحة TPU متصلة ببعضها البعض عبر شبكة مخصّصة عالية السرعة.

نوع TPU

#TensorFlow
#GoogleCloud

ضبط واحد أو أكثر من أجهزة TPU بإصدار محدّد من أجهزة TPU يتم اختيار نوع TPU عند إنشاء عقدة TPU على Google Cloud Platform. على سبيل المثال، نوع v2-8TPU هو جهاز واحد من نوع TPU (الإصدار 2) مع 8 نوى. يحتوي نوع v3-2048 TPU على 256 جهازًا من نوع TPU v3 المتصل بالشبكة وإجمالي 2048 نواة. أنواع TPU هي مورد تم تحديده في Cloud TPU API.

عامل TPU

#TensorFlow
#GoogleCloud

عملية يتم تنفيذها على جهاز مضيف وتنفِّذ برامج تعلُّم الآلة على أجهزة TPU.