Glosario sobre aprendizaje automático: TensorFlow

Organiza tus páginas con colecciones Guarda y categoriza el contenido según tus preferencias.

Esta página contiene los términos del glosario de TensorFlow. Para todos los términos del glosario, haz clic aquí.

C

Cloud TPU

#TensorFlow
#GoogleCloud

Un acelerador de hardware especializado diseñado para acelerar las cargas de trabajo de aprendizaje automático en Google Cloud Platform.

D

API del conjunto de datos (tf.data)

#TensorFlow

Una API de TensorFlow de alto nivel para leer datos y transformarlos en un formulario que requiere un algoritmo de aprendizaje automático Un objeto tf.data.Dataset representa una secuencia de elementos en la que cada uno contiene uno o más tensores. Un objeto tf.data.Iterator proporciona acceso a los elementos de una Dataset.

Para obtener detalles sobre la API de Dataset, consulta tf.data: Compila canalizaciones de entrada de TensorFlow en la Guía para programadores de TensorFlow.

dispositivo

#TensorFlow

Categoría de hardware que puede ejecutar una sesión de TensorFlow y que incluye CPU, GPU y TPU.

E

ejecución inmediata

#TensorFlow

Entorno de programación TensorFlow en el que las operaciones se ejecutan de inmediato. Por el contrario, las operaciones llamadas ejecución del grafo no se ejecutan hasta que se evalúen de forma explícita. La ejecución inmediata es una interfaz imperativa, al igual que el código en la mayoría de los lenguajes de programación. Los programas de ejecución inmediata son generalmente mucho más fáciles de depurar que los programas de ejecución por grafos.

Estimador

#TensorFlow

Una API de TensorFlow obsoleta. Usa tf.keras en lugar de Estimadores.

F

ingeniería de atributos

#fundamentals
#TensorFlow

Un proceso que implica los siguientes pasos:

  1. Determinar qué atributos podría ser útil para entrenar un modelo
  2. Convertir los datos sin procesar del conjunto de datos en versiones eficientes de esos atributos

Por ejemplo, puedes determinar que temperature podría ser una función útil. Luego, podrías experimentar con el agrupamiento para optimizar lo que el modelo puede aprender de diferentes rangos temperature.

En algunas ocasiones, la ingeniería de atributos se denomina extracción de atributos.

especificación de características

#TensorFlow

Describe la información necesaria para extraer datos de características del búfer de protocolo tf.Example. Debido a que el búfer de protocolo de tf.Example es solo un contenedor de datos, debes especificar lo siguiente:

  • los datos que se deben extraer (es decir, las claves de los atributos)
  • el tipo de datos (por ejemplo, float o int)
  • La longitud (fija o variable)

G

gráfico

#TensorFlow

En TensorFlow, una especificación de cálculo. Los nodos del grafo representan operaciones. Las conexiones están orientadas y representan el paso del resultado de una operación (un Tensor) como un operando para otra operación. Usa TensorBoard para visualizar un grafo.

ejecución de grafo

#TensorFlow

Entorno de programación TensorFlow en el que el programa primero construye un grafo y, luego, ejecuta todo o una parte de ese grafo. La ejecución por grafos es el modo de ejecución predeterminado en TensorFlow 1.x.

Compara esto con la ejecución inmediata.

L

API de capas (tf.layers) (Layers API)

#TensorFlow

API de TensorFlow para construir una red neuronal profunda como una composición de capas. La API de capas te permite compilar diferentes tipos de capas, como las siguientes:

La API de capas sigue las convenciones de la API de capas de Keras. Es decir, además de un prefijo diferente, todas las funciones de la API de capas tienen los mismos nombres y firmas que sus contrapartes en la API de capas de Keras.

M

métrica

#TensorFlow

Una estadística que te interesa.

Un objetivo es una métrica que un sistema de aprendizaje automático intenta optimizar.

N

nodo (gráfico de TensorFlow)

#TensorFlow

Una operación en un grafo de TensorFlow.

O

operación (op)

#TensorFlow

En TensorFlow, cualquier procedimiento que crea, manipula o destruye un Tensor. Por ejemplo, una multiplicación de matriz es una operación que toma dos tensores como entrada y genera un tensor como resultado.

P

Servidor de parámetros (PS)

#TensorFlow

Trabajo que realiza un seguimiento de los parámetros de un modelo en una configuración distribuida.

P.

cola

#TensorFlow

Operación de TensorFlow que implementa una estructura de datos en cola. Por lo general, se usa en E/S.

R

rango (tensor)

#TensorFlow

La cantidad de dimensiones en un Tensor. Por ejemplo, un escalar tiene rango 0, un vector tiene rango 1 y una matriz tiene rango 2.

No debe confundirse con rango (ordinalidad).

directorio raíz

#TensorFlow

El directorio que especificas para alojar subdirectorios del punto de control de TensorFlow y archivos de eventos de varios modelos.

S

modelo guardado

#TensorFlow

El formato recomendado para guardar y recuperar modelos de TensorFlow. El modelo guardado es un formato de serialización recuperable y neutral con respecto al lenguaje que permite que las herramientas y los sistemas de nivel superior produzcan, consuman y transformen modelos de TensorFlow.

Consulta el capítulo Guardar y restablecer de la Guía para programadores de TensorFlow a fin de obtener todos los detalles.

Económico

#TensorFlow

Un objeto de TensorFlow responsable de guardar los puntos de control del modelo.

resumen

#TensorFlow

En TensorFlow, valor o conjunto de valores que se calcula en cada paso, generalmente se usa para realizar un seguimiento de las métricas del modelo durante el entrenamiento.

T

Tensor

#TensorFlow

Estructura de datos principal de los programas de TensorFlow Los tensores son estructuras de datos de N dimensiones (donde N podría ser muy grande), comúnmente escalares, vectores o matrices. Los elementos de un tensor pueden contener valores enteros, de punto flotante o de string.

TensorBoard

#TensorFlow

El panel en el que se muestran los resúmenes guardados durante la ejecución de uno o más programas de TensorFlow.

TensorFlow

#TensorFlow

Una plataforma de aprendizaje automático distribuida a gran escala. El término también se refiere a la capa de la API base en la pila de TensorFlow, que admite el procesamiento general en grafos de flujo de datos.

Aunque TensorFlow se usa principalmente para el aprendizaje automático, también puedes usarlo para tareas que no sean de AA y que requieran procesamiento numérico mediante grafos de flujo de datos.

TensorFlow Playground

#TensorFlow

Un programa que visualiza cómo los diferentes hiperparámetros influyen en el entrenamiento de modelos (principalmente de redes neuronales). Ve a http://playground.tensorflow.org para experimentar con TensorFlow Playground.

TensorFlow Serving

#TensorFlow

Una plataforma para implementar modelos entrenados en producción.

Unidad de procesamiento tensorial (TPU)

#TensorFlow
#GoogleCloud

Un circuito integrado específico de la aplicación (ASIC) que optimiza el rendimiento de las cargas de trabajo de aprendizaje automático. Estos ASIC se implementan como varios chips de TPU en un dispositivo de TPU.

Clasificación de tensores

#TensorFlow

Consulta rango (tensor).

Forma de tensor (Tensor shape)

#TensorFlow

La cantidad de elementos que contiene un tensor en distintas dimensiones. Por ejemplo, un tensor de [5, 10] tiene una forma de 5 en una dimensión y de 10 en otra.

Tamaño de tensor

#TensorFlow

La cantidad total de escalares que contiene un tensor. Por ejemplo, un tensor de [5, 10] tiene un tamaño de 50.

tf.Ejemplo

#TensorFlow

Búfer de protocolo estándar que se usa para describir datos de entrada para el entrenamiento o la inferencia de modelos de aprendizaje automático.

tf.keras

#TensorFlow

Una implementación de Keras integrada en TensorFlow

TPU

#TensorFlow
#GoogleCloud

Abreviatura de unidad de procesamiento tensorial.

Chip de TPU

#TensorFlow
#GoogleCloud

Acelerador de álgebra lineal programable con memoria de gran ancho de banda en el chip que está optimizado para las cargas de trabajo de aprendizaje automático. Se implementan varios chips de TPU en un dispositivo de TPU.

Dispositivo de TPU

#TensorFlow
#GoogleCloud

Una placa de circuitos impresos (PCB) con varios chips TPU, interfaces de red de ancho de banda alto y hardware de enfriamiento del sistema

TPU principal

#TensorFlow
#GoogleCloud

El proceso de coordinación central que se ejecuta en una máquina anfitrión que envía y recibe datos, resultados, programas, información de estado del sistema y rendimiento a los trabajadores de TPU. La instancia principal de TPU también administra la configuración y el cierre de los dispositivos de TPU.

Nodo TPU

#TensorFlow
#GoogleCloud

Un recurso TPU en Google Cloud Platform con un tipo de TPU específico El nodo TPU se conecta a tu red de VPC desde una red de VPC de intercambio de tráfico. Los nodos TPU son un recurso definido en la API de Cloud TPU.

pod de TPU

#TensorFlow
#GoogleCloud

Una configuración específica de dispositivos de TPU en un centro de datos de Google. Todos los dispositivos de un pod de TPU están conectados entre sí en una red dedicada de alta velocidad. Un pod de TPU es la configuración más grande de dispositivos de TPU disponibles para una versión de TPU específica.

Recurso de TPU

#TensorFlow
#GoogleCloud

Una entidad de TPU en Google Cloud Platform que puedes crear, administrar o consumir Por ejemplo, los nodos de TPU y los tipos de TPU son recursos de TPU.

Porción de TPU

#TensorFlow
#GoogleCloud

Una porción de TPU es una parte fraccionaria de los dispositivos de TPU en un pod de TPU. Todos los dispositivos de una porción de TPU están conectados entre sí en una red dedicada de alta velocidad.

Tipo de TPU

#TensorFlow
#GoogleCloud

Una configuración de uno o más dispositivos de TPU con una versión de hardware de TPU específica Debes seleccionar un tipo de TPU cuando creas un nodo TPU en Google Cloud Platform. Por ejemplo, un tipo de TPU v2-8 es un dispositivo único de TPU v2 con 8 núcleos. Un tipo de TPU v3-2048 tiene 256 dispositivos TPU v3 conectados en red y un total de 2,048 núcleos. Los tipos de TPU son un recurso definido en la API de Cloud TPU.

Trabajador de TPU

#TensorFlow
#GoogleCloud

Proceso que se ejecuta en una máquina anfitrión y ejecuta programas de aprendizaje automático en dispositivos de TPU.