Эта страница содержит термины глоссария TensorFlow. Чтобы просмотреть все термины глоссария, щелкните здесь .
С
Облачный ТПУ
Специализированный аппаратный ускоритель, предназначенный для ускорения рабочих нагрузок машинного обучения в Google Cloud Platform.
Д
API набора данных (tf.data)
Высокоуровневый API TensorFlow для чтения данных и преобразования их в форму, необходимую для алгоритма машинного обучения. Объект tf.data.Dataset
представляет собой последовательность элементов, в которой каждый элемент содержит один или несколько тензоров . Объект tf.data.Iterator
обеспечивает доступ к элементам Dataset
.
Дополнительные сведения об API набора данных см. в разделе tf.data: Build Input Pipelines TensorFlow в TensorFlow Programmer's Guide .
устройство
Категория оборудования, на котором может выполняться сеанс TensorFlow, включая процессоры, графические процессоры и TPU .
Е
страстное исполнение
Среда программирования TensorFlow, в которой операции выполняются немедленно. Напротив, операции, вызываемые при выполнении графа, не выполняются до тех пор, пока они не будут явно оценены. Нетерпеливое выполнение — это императивный интерфейс , очень похожий на код в большинстве языков программирования. Программы выполнения Eager, как правило, намного легче отлаживать, чем программы выполнения графа.
Оценщик
Устаревший API TensorFlow. Используйте tf.keras вместо Estimators.
Ф
разработка функций
Процесс, который включает следующие этапы:
- Определение того, какие функции могут быть полезны при обучении модели.
- Преобразование необработанных данных из набора данных в эффективные версии этих функций.
Например, вы можете определить, что temperature
может быть полезной функцией. Затем вы можете поэкспериментировать с группировкой , чтобы оптимизировать то, что модель может узнать из разных temperature
диапазонов.
Инжиниринг признаков иногда называют извлечением признаков .
спецификация функции
Описывает информацию, необходимую для извлечения данных объектов из буфера протокола tf.Example . Поскольку буфер протокола tf.Example является просто контейнером для данных, необходимо указать следующее:
- данные для извлечения (то есть ключи для функций)
- тип данных (например, float или int)
- Длина (фиксированная или переменная)
г
график
В TensorFlow — спецификация вычислений. Узлы на графике представляют операции. Ребра являются направленными и представляют собой передачу результата операции ( тензора ) в качестве операнда другой операции. Используйте TensorBoard для визуализации графика.
выполнение графа
Среда программирования TensorFlow, в которой программа сначала строит граф , а затем выполняет весь или часть этого графа. Выполнение графа — это режим выполнения по умолчанию в TensorFlow 1.x.
Контраст с нетерпеливым исполнением .
л
API слоев (tf.layers)
API TensorFlow для построения глубокой нейронной сети в виде композиции слоев. Layers API позволяет создавать различные типы слоев , например:
-
tf.layers.Dense
для полносвязного слоя . -
tf.layers.Conv2D
для сверточного слоя.
API слоев следует соглашениям API слоев Keras . То есть, помимо другого префикса, все функции в Layers API имеют те же имена и сигнатуры, что и их аналоги в API слоев Keras.
М
метрика
Статистика, которая вас волнует.
Цель — это показатель, который система машинного обучения пытается оптимизировать.
Н
узел (граф TensorFlow)
Операция в графе TensorFlow.
О
операция (оп)
В TensorFlow любая процедура, которая создает, манипулирует или уничтожает Tensor . Например, умножение матриц — это операция, которая принимает два тензора на вход и генерирует один тензор на выходе.
п
Сервер параметров (PS)
Задание, которое отслеживает параметры модели в распределенной среде.
Вопрос
очередь
Операция TensorFlow, реализующая структуру данных очереди. Обычно используется в вводе-выводе.
р
ранг (тензор)
Количество измерений в Tensor . Например, скаляр имеет ранг 0, вектор имеет ранг 1, а матрица имеет ранг 2.
Не путать с рангом (порядковым номером) .
корневая директория
Каталог, который вы указываете для размещения подкаталогов контрольной точки TensorFlow и файлов событий нескольких моделей.
С
Сохраненная модель
Рекомендуемый формат для сохранения и восстановления моделей TensorFlow. SavedModel — это независимый от языка восстанавливаемый формат сериализации, который позволяет системам и инструментам более высокого уровня создавать, использовать и преобразовывать модели TensorFlow.
Полную информацию см. в главе «Сохранение и восстановление» в «Руководстве программиста TensorFlow».
Экономия
Объект TensorFlow , отвечающий за сохранение контрольных точек модели.
краткое содержание
В TensorFlow — значение или набор значений, рассчитанных на определенном шаге , обычно используемых для отслеживания метрик модели во время обучения.
Т
Тензор
Основная структура данных в программах TensorFlow. Тензоры — это N-мерные (где N может быть очень большими) структуры данных, чаще всего скаляры, векторы или матрицы. Элементы тензора могут содержать целые числа, числа с плавающей запятой или строковые значения.
TensorBoard
Панель инструментов, на которой отображаются сводки, сохраненные во время выполнения одной или нескольких программ TensorFlow.
ТензорФлоу
Крупномасштабная распределенная платформа машинного обучения. Этот термин также относится к базовому уровню API в стеке TensorFlow, который поддерживает общие вычисления на графах потоков данных.
Хотя TensorFlow в основном используется для машинного обучения, вы также можете использовать TensorFlow для задач, не связанных с ML, которые требуют числовых вычислений с использованием графов потоков данных.
Игровая площадка TensorFlow
Программа, визуализирующая, как разные гиперпараметры влияют на обучение модели (в первую очередь нейронной сети). Перейдите на http://playground.tensorflow.org , чтобы поэкспериментировать с TensorFlow Playground.
Обслуживание TensorFlow
Платформа для развертывания обученных моделей в производстве.
Блок тензорной обработки (TPU)
Специализированная интегральная схема (ASIC), оптимизирующая производительность рабочих нагрузок машинного обучения. Эти ASIC развернуты как несколько чипов TPU на устройстве TPU .
Тензорный ранг
См. ранг (тензор) .
Форма тензора
Количество элементов, которые содержит тензор в различных измерениях. Например, тензор [5, 10] имеет форму 5 в одном измерении и 10 в другом.
Размер тензора
Общее количество скаляров, содержащихся в тензоре . Например, тензор [5, 10] имеет размер 50.
tf.Пример
Буфер стандартного протокола для описания входных данных для обучения или вывода модели машинного обучения.
тф.керас
Реализация Keras , интегрированная в TensorFlow .
ТПУ
Аббревиатура для Tensor Processing Unit .
Чип ТПУ
Программируемый ускоритель линейной алгебры со встроенной памятью с высокой пропускной способностью, оптимизированный для рабочих нагрузок машинного обучения. Несколько чипов TPU развернуты на устройстве TPU .
устройство ТПУ
Печатная плата (PCB) с несколькими микросхемами TPU , сетевыми интерфейсами с высокой пропускной способностью и аппаратным обеспечением системного охлаждения.
Мастер ТПУ
Процесс централизованной координации, выполняемый на хост-компьютере, который отправляет и получает данные, результаты, программы, информацию о производительности и работоспособности системы рабочим TPU . Мастер TPU также управляет настройкой и отключением устройств TPU .
узел ТПУ
Ресурс TPU на Google Cloud Platform с определенным типом TPU . Узел TPU подключается к вашей сети VPC из одноранговой сети VPC . Узлы TPU — это ресурс, определенный в Cloud TPU API .
ТПУ стручок
Конкретная конфигурация устройств TPU в центре обработки данных Google. Все устройства в модуле TPU подключены друг к другу через выделенную высокоскоростную сеть. Модуль TPU — это самая большая конфигурация устройств TPU, доступная для конкретной версии TPU.
Ресурс ТПУ
Сущность TPU на Google Cloud Platform, которую вы создаете, управляете или используете. Например, узлы TPU и типы TPU являются ресурсами TPU.
Срез ТПУ
Слайс TPU — это дробная часть устройств TPU в модуле TPU . Все устройства в слайсе TPU подключены друг к другу через выделенную высокоскоростную сеть.
Тип ТПУ
Конфигурация одного или нескольких устройств TPU с определенной версией аппаратного обеспечения TPU. Вы выбираете тип TPU при создании узла TPU в Google Cloud Platform. Например, тип TPU v2-8
— это одно устройство TPU v2 с 8 ядрами. Тип v3-2048
TPU имеет 256 подключенных к сети устройств TPU v3 и в общей сложности 2048 ядер. Типы TPU — это ресурс, определенный в Cloud TPU API .
работник ТПУ
Процесс, который запускается на хост-компьютере и выполняет программы машинного обучения на устройствах TPU .