이 페이지에는 TensorFlow 용어집 용어가 포함되어 있습니다. 모든 용어집을 보려면 여기를 클릭하세요.
C
Cloud TPU
Google Cloud Platform에서 머신러닝 워크로드의 속도를 높이도록 설계된 특수 하드웨어 가속기입니다.
D
Dataset API (tf.data)
데이터를 읽고 머신러닝 알고리즘이 요구하는 형태로 변환하는
TensorFlow 고급 API
tf.data.Dataset 객체는 각 요소가 하나 이상의 텐서를 포함하는 일련의 요소를 나타냅니다. tf.data.Iterator 객체를 통해 Dataset 요소에 액세스할 수 있습니다.
데이터 세트 API에 대한 자세한 내용은 TensorFlow 프로그래머 가이드의 tf.data: TensorFlow 입력 파이프라인 빌드를 참조하세요.
device
CPU, GPU, TPU 등 TensorFlow 세션을 실행할 수 있는 하드웨어 카테고리입니다.
E
즉시 실행
작업이 즉시 실행되는 TensorFlow 프로그래밍 환경입니다. 반면 그래프 실행에서 호출되는 작업은 명시적으로 평가될 때까지 실행되지 않습니다. 즉시 실행은 대부분의 프로그래밍 언어로 된 코드와 마찬가지로 명령적 인터페이스입니다. 즉시 실행 프로그램은 일반적으로 그래프 실행 프로그램보다 디버그하기 훨씬 쉽습니다.
에스티메이터
지원 중단된 TensorFlow API입니다. 에스티메이터 대신 tf.keras를 사용합니다.
F
특성 추출
다음 단계를 포함하는 프로세스입니다.
- 모델 학습에 유용할 수 있는 특성 결정
- 데이터 세트의 원시 데이터를 이러한 특성의 효율적인 버전으로 변환합니다.
예를 들어 temperature가 유용한 특성일 수 있다고 결정할 수 있습니다. 그런 다음 버케팅을 실험하여 모델이 다양한 temperature 범위에서 학습할 수 있는 내용을 최적화할 수 있습니다.
특성 추출을 특성 추출이라고도 합니다.
특성 사양
tf.Example 프로토콜 버퍼에서 특성 데이터를 추출하는 데 필요한 정보를 설명합니다. tf.Example 프로토콜 버퍼는 데이터의 컨테이너일 뿐이므로 다음을 지정해야 합니다.
- 추출할 데이터 (특성의 키)
- 데이터 유형 (예: float 또는 int)
- 길이 (고정 또는 가변)
G
그래프
TensorFlow에서 연산 사양 그래프의 노드는 작업을 나타냅니다. 에지는 지시되며, 연산 결과 (Tensor)를 피연산자로 다른 연산으로 전달합니다. 텐서보드를 사용하여 그래프를 시각화합니다.
그래프 실행
프로그램이 먼저 그래프를 구성한 다음 해당 그래프의 전체 또는 일부를 실행하는 TensorFlow 프로그래밍 환경입니다. 그래프 실행은 TensorFlow 1.x의 기본 실행 모드입니다.
즉시 실행과 대비되는 개념입니다.
L
레이어 API (tf.layers)
레이어 구성으로 심층 신경망을 구성하기 위한 TensorFlow API입니다. Layers API를 사용하면 다음과 같은 다양한 유형의 레이어를 빌드할 수 있습니다.
tf.layers.Dense- 완전히 연결된 레이어- 컨볼루셔널 레이어의 경우
tf.layers.Conv2D
Layers API는 Keras 레이어 API 규칙을 따릅니다. 즉, 다른 접두어를 제외하고 Layers API의 모든 함수는 Keras Layers API의 함수와 동일한 이름과 서명을 갖습니다.
M
측정항목
중시하는 통계입니다.
목표는 머신러닝 시스템이 최적화하려고 하는 측정항목입니다.
구매 불가
노드 (TensorFlow 그래프)
TensorFlow 그래프의 작업입니다.
O
연산 (op)
TensorFlow에서 Tensor를 생성, 조작 또는 폐기하는 모든 절차입니다. 예를 들어 행렬 곱셈은 텐서 2개를 입력으로 사용하여 텐서 하나를 출력으로 생성하는 작업입니다.
P
매개변수 서버 (PS)
모델의 설정에서 분산 매개변수를 추적하는 작업입니다.
Q
현재 재생목록
큐 데이터 구조를 구현하는 TensorFlow 작업입니다. 일반적으로 I/O에서 사용됩니다.
R
rank (텐서)
텐서의 차원 수입니다. 예를 들어 스칼라의 순위는 0, 벡터의 순위는 1, 행렬의 순위는 2입니다.
순위 (순서)와 혼동해서는 안 됩니다.
루트 디렉터리
TensorFlow 모델의 하위 디렉터리와 여러 모델의 이벤트 파일을 호스팅하기 위해 지정하는 디렉터리입니다.
S
저장된 모델
TensorFlow 모델 저장 및 복구에 권장되는 형식입니다. SavedModel은 상위 수준 시스템 및 도구에서 TensorFlow 모델을 생성, 소비, 변환하도록 지원하는 언어 중립적이며 복구 가능한 직렬화 형식입니다.
자세한 내용은 TensorFlow 프로그래머 가이드의 저장 및 복원 챕터를 참조하세요.
알뜰
모델 체크포인트 저장을 담당하는 TensorFlow 객체입니다.
요약
TensorFlow에서 특정 단계로 계산된 값 또는 값 집합. 일반적으로 학습 중에 모델 측정항목을 추적하는 데 사용됩니다.
T
텐서
TensorFlow 프로그램의 기본 데이터 구조 텐서는 N차원 데이터 구조이며, N이 매우 클 수 있으며, 가장 일반적으로는 스칼라, 벡터 또는 행렬입니다. 텐서의 요소는 정수, 부동 소수점 또는 문자열 값을 보유할 수 있습니다.
텐서보드
하나 이상의 TensorFlow 프로그램을 실행하는 동안 저장된 요약을 표시하는 대시보드입니다.
TensorFlow
대규모 분산 머신러닝 플랫폼 이 용어는 Dataflow 그래프에서 일반적인 계산을 지원하는 TensorFlow 스택의 기본 API 레이어를 가리킵니다.
TensorFlow는 주로 머신러닝에 사용되지만 Dataflow 그래프를 사용하여 숫자 연산을 해야 하는 ML 외 작업도 사용할 수 있습니다.
TensorFlow Playground
다양한 초매개변수가 모델(주로 신경망) 학습에 미치는 영향을 시각화하는 프로그램입니다. TensorFlow Playground를 사용해 보려면 http://playground.tensorflow.org로 이동하세요.
TensorFlow Serving
학습된 모델을 프로덕션에 배포하기 위한 플랫폼
Tensor Processing Unit(TPU)
머신러닝 워크로드의 성능을 최적화하는 ASIC (애플리케이션별 집적 회로) 이러한 ASIC는 TPU 기기에 여러 TPU 칩으로 배포됩니다.
텐서 순위
순위 (텐서)를 참고하세요.
텐서 형태
다양한 차원에서 Tensor에 포함된 요소의 수 예를 들어 [5, 10] 텐서의 형태는 한 차원에서 5, 다른 차원에서 10입니다.
텐서 크기
Tensor에 포함된 스칼라의 총수입니다. 예를 들어 [5, 10] 텐서의 크기는 50입니다.
tf.Example
머신러닝 모델 학습 또는 추론을 위한 입력 데이터를 설명하는 표준 프로토콜 버퍼입니다.
tf.keras
TensorFlow에 통합된 Keras 구현
TPU
Tensor Processing Unit(Tensor Processing Unit)의 약어입니다.
TPU 칩
머신러닝 워크로드에 최적화된 온칩 고대역폭 메모리를 사용하는 프로그래밍 가능한 선형 대수 가속기 여러 TPU 칩이 TPU 기기에 배포됩니다.
TPU 기기
여러 TPU 칩, 고대역폭 네트워크 인터페이스, 시스템 냉각 하드웨어가 포함된 인쇄 회로 기판 (PCB)입니다.
TPU 마스터
TPU 작업자로 데이터, 결과, 프로그램, 성능, 시스템 상태 정보를 주고받는 호스트 머신에서 실행되는 중앙 조정 프로세스 TPU 마스터는 TPU 기기의 설정 및 종료도 관리합니다.
TPU 노드
특정 TPU 유형의 Google Cloud Platform TPU 리소스. TPU 노드는 피어 VPC 네트워크에서 VPC 네트워크에 연결됩니다. TPU 노드는 Cloud TPU API에 정의된 리소스입니다.
TPU 포드
Google 데이터 센터에 있는 TPU 기기의 특정 구성 TPU 포드의 모든 기기는 전용 고속 네트워크를 통해 서로 연결됩니다. TPU Pod는 특정 TPU 버전에 사용할 수 있는 가장 큰 TPU 기기 구성입니다.
TPU 리소스
사용자가 만들거나 관리하거나 사용하는 Google Cloud Platform의 TPU 항목입니다. 예를 들어 TPU 노드와 TPU 유형은 TPU 리소스입니다.
TPU 슬라이스
TPU 슬라이스는 TPU Pod에 있는 TPU 기기의 일부분입니다. TPU 슬라이스의 모든 기기는 전용 고속 네트워크를 통해 서로 연결됩니다.
TPU 유형
특정 TPU 하드웨어 버전이 있는 하나 이상의 TPU 기기 구성입니다. Google Cloud Platform에서 TPU 노드를 만들 때 TPU 유형을 선택합니다. 예를 들어 v2-8 TPU 유형은 8개의 코어가 있는 단일 TPU v2 기기입니다. v3-2048 TPU 유형에는 네트워크 TPU v3 기기가 256개, 코어가 총 2,048개 있습니다. TPU 유형은 Cloud TPU API에 정의된 리소스입니다.
TPU 작업자
호스트 머신에서 실행되고 TPU 기기에서 머신러닝 프로그램을 실행하는 프로세스입니다.