機器學習詞彙表:TensorFlow

透過集合功能整理內容 你可以依據偏好儲存及分類內容。

本頁包含 TensorFlow 詞彙表。如要查看所有詞彙詞彙,請按這裡

C

Cloud TPU

#TensorFlow
#GoogleCloud

特殊的硬體加速器,旨在加快 Google Cloud Platform 上的機器學習工作負載速度。

D

Dataset API (tf.data)

#TensorFlow

用於讀取資料並將其轉換為機器學習演算法所需的形式的 TensorFlow API。tf.data.Dataset 物件代表元素序列,每個元素都包含一個或多個 Tensortf.data.Iterator 物件提供 Dataset 的元素存取權。

如要進一步瞭解 Dataset API,請參閱 TensorFlow 程式設計師's 指南中的 tf.data:建構 TensorFlow 輸入管道

device

#TensorFlow

可執行 TensorFlow 工作階段的硬體類別,包括 CPU、GPU 和 TPU

E

正式執行

#TensorFlow

可立即執行「作業」的 TensorFlow 程式設計環境。相反地,在圖譜執行中呼叫的作業,在經過明確評估前都不會執行。Eager Execution 是命令式介面,與大多數程式設計語言中的程式碼很類似。一般來說,Eager 執行程式的偵錯通常比圖形執行程式要容易得多。

Estimator

#TensorFlow

已淘汰的 TensorFlow API。使用 tf.keras 而非 Estimator。

F 鍵

特徵工程

#fundamentals
#TensorFlow

包含下列步驟的程序:

  1. 確定哪些功能對於訓練模型可能有所幫助。
  2. 將資料集中的原始資料轉換為這些功能的高效版本。

例如,您可能認為 temperature 是有用的功能。然後,您可以嘗試特徵分塊,最佳化模型從不同 temperature 範圍學到的內容。

特徵工程有時也稱為「功能擷取」

功能規格

#TensorFlow

說明從 tf.Example 通訊協定緩衝區擷取 features 資料所需的資訊。由於 tf.Example 通訊協定緩衝區只是資料的容器,因此您必須指定下列項目:

  • 要擷取的資料 (也就是特徵的鍵)
  • 資料類型 (例如 float 或 int)
  • 長度 (固定或可變)

G

圖表

#TensorFlow

TensorFlow 的運算規格,圖形中的節點代表作業。邊緣會導向,並表示將運算結果 (Tensor) 做為運算元傳遞給其他運算。使用 TensorBoard 以視覺化方式呈現圖表。

圖形執行

#TensorFlow

TensorFlow 程式設計環境,程式會先建構圖表,然後執行該圖表的全部或部分。「圖表執行」是 TensorFlow 1.x 的預設執行模式。

Eager Execution 相反。

L

Layers API (tf.layers)

#TensorFlow

用於建構深度類神經網路做為圖層組合的 TensorFlow API。Layers API 可讓您建構不同類型的圖層,例如:

  • 完全連結層tf.layers.Dense
  • 針對卷積層使用 tf.layers.Conv2D

Layers API 遵循 Keras 層 API 慣例。 也就是說,除了不同的前置字元外,Layers API 中所有的函式名稱和簽名都與 Keras Layers API 中的對應項目相同。

M

指標

#TensorFlow

您重視的統計資料。

「目標」是機器學習系統試圖進行最佳化的指標。

節點 (TensorFlow 圖形)

#TensorFlow

TensorFlow 圖表中的作業。

O

作業 (op)

#TensorFlow

在 TensorFlow 中,建立、操控或刪除 Tensor 的任何程序。舉例來說,矩陣相乘作業是使用兩個 Tensor 做為輸入,然後產生一個 Tensor 做為輸出。

P

參數伺服器 (PS)

#TensorFlow

在分散式設定中追蹤模型參數的工作。

Q

待播清單

#TensorFlow

實作佇列資料結構的 TensorFlow 作業。通常用於 I/O 中。

R

rank (Tensor)

#TensorFlow

Tensor 中的維度數量。舉例來說,純量排名為 0,向量為 1,矩陣為 2。

請勿與排名 (隨機) 混淆。

根目錄

#TensorFlow

您為代管多個模型的 TensorFlow 檢查點和事件檔案的指定目錄。

S

SavedModel

#TensorFlow

儲存及還原 TensorFlow 模型的建議格式。SavedModel 是採用語言中立的復原序列化格式,能讓較高層級的系統和工具產生、使用及轉換 TensorFlow 模型。

如需完整詳細資料,請參閱 TensorFlow 程式設計師指南的儲存及儲存章節

平價

#TensorFlow

TensorFlow 物件,負責儲存模型檢查點。

摘要

#TensorFlow

在 TensorFlow 中,在特定步驟中計算的值或一組值 (通常是用於在訓練期間追蹤模型指標)。

T

Tensor

#TensorFlow

TensorFlow 程式的主要資料結構。張量是 N 維 (其中 N 可能非常大) 的資料結構,最常是純量、向量或矩陣。Tensor 的元素可以儲存整數、浮點或字串值。

TensorBoard

#TensorFlow

資訊主頁會顯示執行一或多個 TensorFlow 程式期間儲存的摘要。

TensorFlow

#TensorFlow

大規模的分散式機器學習平台。這個字詞也是指 TensorFlow 堆疊中的基本 API 層,支援在 Dataflow 圖表中進行一般運算。

雖然 TensorFlow 主要用於機器學習,但您也可以將 TensorFlow 用於需要以 Dataflow 圖形計算數值的非機器學習工作。

TensorFlow Playground

#TensorFlow

這個程式以視覺化方式呈現不同的超參數對模型 (主要為類神經網路) 訓練的影響。請前往 http://playground.tensorflow.org,嘗試使用 TensorFlow Playground。

TensorFlow 服務

#TensorFlow

可在實際工作環境中部署訓練模型的模型。

Tensor Processing Unit (TPU)

#TensorFlow
#GoogleCloud

應用程式專屬整合電路 (ASIC),可最佳化機器學習工作負載的效能。這些 ASIC 會部署為多個 TPU 晶片TPU 裝置上。

張量排名

#TensorFlow

請參閱排名 (Tensor)

張量形狀

#TensorFlow

Tensor 包含的各維度元素數量。例如 [5, 10] Tensor 的一個維度為 5,另一個維度為 10。

張量大小

#TensorFlow

Tensor 包含的純量總數。舉例來說,[5, 10] Tensor 的大小為 50。

tf.Example

#TensorFlow

標準通訊協定緩衝區,用於說明機器學習模型訓練或推論的輸入資料。

tf.keras

#TensorFlow

整合至 TensorFlowKeras 實作。

TPU

#TensorFlow
#GoogleCloud

Tensor Processing Unit 的縮寫。

TPU 晶片

#TensorFlow
#GoogleCloud

具備程式化高頻寬記憶體的可程式線性線性代數加速器,專為機器學習工作負載進行最佳化調整。在 TPU 裝置上部署多個 TPU 晶片。

TPU 裝置

#TensorFlow
#GoogleCloud

具有多個 TPU 晶片、高頻寬網路介面,以及系統冷卻硬體的印刷電路板 (PCB)。

TPU 主要執行個體

#TensorFlow
#GoogleCloud

在主機機器上執行中央協調程序,可向 TPU 工作站傳送及接收資料、結果、程式、效能和系統健康狀態資訊。TPU 主要執行個體也會管理 TPU 裝置的設定與關閉。

TPU 節點

#TensorFlow
#GoogleCloud

Google Cloud Platform 上具有特定 TPU 類型的 TPU 資源。TPU 節點會從對等互連虛擬私有雲網路連線至虛擬私有雲網路。TPU 節點是 Cloud TPU API 中定義的資源。

TPU Pod

#TensorFlow
#GoogleCloud

Google 資料中心內的 TPU 裝置專屬設定。TPU Pod 中的所有裝置都透過專屬高速網路相互連線。TPU Pod 是特定 TPU 版本中最大的 TPU 裝置設定。

TPU 資源

#TensorFlow
#GoogleCloud

Google Cloud Platform 上可建立、管理或耗用的 TPU 實體。舉例來說,TPU 節點TPU 類型都是 TPU 資源。

TPU 配量

#TensorFlow
#GoogleCloud

TPU 配量是 TPU PodTPU 裝置的一部分。TPU 區塊中的所有裝置都透過專屬高速網路相互連線。

TPU 類型

#TensorFlow
#GoogleCloud

一或多個 TPU 裝置 (具有特定 TPU 硬體版本) 的設定。在 Google Cloud Platform 上建立 TPU 節點時,您必須選取 TPU 類型。舉例來說,v2-8 TPU 類型是具有 8 個核心的單一 TPU v2 裝置。一個 v3-2048 TPU 類型有 256 個網路 TPU v3 裝置,總計為 2048 個核心。TPU 類型是 Cloud TPU API 中定義的資源。

TPU 工作站

#TensorFlow
#GoogleCloud

這項程序會在主機機器上執行,並在 TPU 裝置上執行機器學習程式。