Глоссарий по машинному обучению: TensorFlow

Эта страница содержит термины глоссария TensorFlow. Чтобы просмотреть все термины глоссария, щелкните здесь .

С

Облачный ТПУ

#TensorFlow
#GoogleCloud

Специализированный аппаратный ускоритель, предназначенный для ускорения рабочих нагрузок машинного обучения в Google Cloud Platform.

Д

API набора данных (tf.data)

#TensorFlow

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

#TensorFlow

Категория оборудования, на котором может выполняться сеанс TensorFlow, включая процессоры, графические процессоры и TPU .

Е

страстное исполнение

#TensorFlow

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

#TensorFlow

Устаревший API TensorFlow. Используйте tf.keras вместо Estimators.

Ф

разработка функций

#основы
#TensorFlow

Процесс, который включает следующие этапы:

  1. Определение того, какие функции могут быть полезны при обучении модели.
  2. 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

#TensorFlow

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

#TensorFlow

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

#TensorFlow

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)

#TensorFlow

API TensorFlow для построения глубокой нейронной сети в виде композиции слоев. Layers API позволяет создавать различные типы слоев , например:

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

#TensorFlow

Статистика, которая вас волнует.

Цель — это показатель, который система машинного обучения пытается оптимизировать.

Н

узел (граф TensorFlow)

#TensorFlow

Операция в графе TensorFlow.

О

операция (оп)

#TensorFlow

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)

#TensorFlow

Задание, которое отслеживает параметры модели в распределенной среде.

Вопрос

очередь

#TensorFlow

Операция TensorFlow, реализующая структуру данных очереди. Обычно используется в вводе-выводе.

р

ранг (тензор)

#TensorFlow

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

#TensorFlow

Каталог, который вы указываете для размещения подкаталогов контрольной точки TensorFlow и файлов событий нескольких моделей.

С

Сохраненная модель

#TensorFlow

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

#TensorFlow

Объект TensorFlow , отвечающий за сохранение контрольных точек модели.

краткое содержание

#TensorFlow

В TensorFlow — значение или набор значений, рассчитанных на определенном шаге , обычно используемых для отслеживания метрик модели во время обучения.

Т

Тензор

#TensorFlow

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

#TensorFlow

Панель инструментов, на которой отображаются сводки, сохраненные во время выполнения одной или нескольких программ TensorFlow.

ТензорФлоу

#TensorFlow

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

#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

#TensorFlow

Платформа для развертывания обученных моделей в производстве.

Блок тензорной обработки (TPU)

#TensorFlow
#GoogleCloud

Специализированная интегральная схема (ASIC), оптимизирующая производительность рабочих нагрузок машинного обучения. Эти ASIC развернуты как несколько чипов TPU на устройстве TPU .

Тензорный ранг

#TensorFlow

См. ранг (тензор) .

Форма тензора

#TensorFlow

Количество элементов, которые содержит тензор в различных измерениях. Например, тензор [5, 10] имеет форму 5 в одном измерении и 10 в другом.

Размер тензора

#TensorFlow

Общее количество скаляров, содержащихся в тензоре . Например, тензор [5, 10] имеет размер 50.

tf.Пример

#TensorFlow

Буфер стандартного протокола для описания входных данных для обучения или вывода модели машинного обучения.

тф.керас

#TensorFlow

Реализация Keras , интегрированная в TensorFlow .

ТПУ

#TensorFlow
#GoogleCloud

Аббревиатура для Tensor Processing Unit .

Чип ТПУ

#TensorFlow
#GoogleCloud

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

#TensorFlow
#GoogleCloud

Печатная плата (PCB) с несколькими микросхемами TPU , сетевыми интерфейсами с высокой пропускной способностью и аппаратным обеспечением системного охлаждения.

Мастер ТПУ

#TensorFlow
#GoogleCloud

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

#TensorFlow
#GoogleCloud

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

#TensorFlow
#GoogleCloud

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

#TensorFlow
#GoogleCloud

Сущность TPU на Google Cloud Platform, которую вы создаете, управляете или используете. Например, узлы TPU и типы TPU являются ресурсами TPU.

Срез ТПУ

#TensorFlow
#GoogleCloud

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

#TensorFlow
#GoogleCloud

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

#TensorFlow
#GoogleCloud

Процесс, который запускается на хост-компьютере и выполняет программы машинного обучения на устройствах TPU .