ТенсорФлоw

Један корисник управо ради на овом чланку! Моле се остали сурадници да не уређују чланак док је ова обавијест присутна. Користите страницу за разговор на овом чланку ако имате коментаре и питања у вези с чланком. Када радови буду готови, корисник који уређује чланак уклонит ће овај шаблон! Хвала на разумијевању! Шаблон може бити уклоњен ако кроз три дана од тренутка постављања или посљедње измјене нема нових измјена на чланку.

Тенсорфлоw

Врста:	Библиотека за Машинско учење
Wеб страница:	https://www.tensorflow.org/

ТенсорФлоw је бесплатна софтверска библиотека отвореног кода за машинско учење и вештачку интелигенцију . Може се користити за различите задатке, али има посебан фокус на обучавање и инференцију дубоких неуронских мрежа . ^[1]

Развио га је тим из Гоогле Браин-а за Гоогле-ову интерну употребу у истраживању и производњи. ^{[2] [3] [4]} Почетна верзија је објављена под Апацхе Лиценсе 2.0 2015. ^{[5] [6]} Гоогле је објавио ажурирану верзију, ТенсорФлоw 2.0, у септембру 2019. ^[7]

ТенсорФлоw се може користити у великом броју програмских језика, укључујући Пyтхон, ЈаваСцрипт, C++ и Јаву, ^[8] што олакшава његову употребу у низу апликација у многим секторима.

АутоДифферентиатион је процес аутоматског израчунавања градијента модела у односу на сваки од његових параметара. Уз ову функцију, ТенсорФлоw може аутоматски израчунати градијенте за параметре у моделу, што је корисно за алгоритме као што су пропагација уназад која захтијева градијенте за оптимизацију перформанси модела. ^[9] Да би то урадио, ТенсорФлоw мора да прати редослед операција извршених на улазним тензорима у моделу, а затим да израчуна градијенте у односу на одговарајуће параметре. ^[9]

ТенсорФлоw укључује режим “нестрпљивог извршавања”, што значи да се операције процјењују одмах за разлику од креирања ткз. "графа" који се извршава након што се цео код компајлира. ^[10] Код који се извршава "еагер" може да се лакше дебагује.Ово се дешава јер подаци се могу процесуирати у свакој линији кода, а не касније у рачунарском графу. ^[10] Сматра се да је ова парадигма извршења лакша за отклањање грешака због њеног приступа од корак по корак. ^[10]

I у нестрпљивом, и у графском извршавању, ТенсорФлоw пружа могућност дистрибуције израчунавања на више уређаја с различитим стратегијама дистрибуције, преко свог АПИ-ја. ^[11] Ово дистрибуирано рачунарство често може убрзати извођење обуке и евалуације ТенсорФлоw модела и уобичајена је пракса у области АИ. ^{[11] [12]}

За обуку и процјену модела, ТенсорФлоw пружа скуп функција цене (такођер познате као функције грешке ). ^[13] Неки популарни примјери укључују средњу квадратну грешку (МСЕ) и бинарну унакрсну ентропију (БЦЕ). ^[13]

За процјену перформанси модела машинског учења, ТенсорФлоw даје АПИ приступ често кориштеним метрикама. Примјери укључују различите метрике точности (бинарне, категоричке, разређене односно "спарсе" категоричне) заједно с другим метрикама као што су Прецисион, Рецалл и Интерсецтион-овер-Унион (ИоУ). ^[14]

ТенсорФлоw.нн је модул за извршавање примитивних операција неуронске мреже на моделима. ^[15] Неке од ових операција укључују варијације конволуција (1/2/3Д, Атроус, дубинске), функције активације ( Софтмаx, РЕЛУ, ГЕЛУ, Сигмоид, итд.) и њихове варијације, као и друге операције ( маx-поолинг, биас-адд, итд.). ^[15]

ТенсорФлоw нуди скуп оптимизатора за обуку неуронских мрежа, укључујући АДАМ, АДАГРАД и Стохастички Опадајући Градијент (СГД). ^[16] Када тренирате модел, различити оптимизатори нуде различите начине подешавања параметара, често утичући на конвергенцију и перформансе модела. ^[17]

ТенсорФлоw служи као једна од најпопуларнијих платформа и библиотека за машинско учење. ТенсорФлоw АПИ-ји користе Керас како би омогућили корисницима да направе сопствене моделе машинског учења. ^[18] Поред изградње и обуке њиховог модела, ТенсорФлоw такође може помоћи у учитавању података за обуку модела и имплементацији помоћу ТенсорФлоw Сервинга. ^[19]

ТенсорФлоw пружа стабилан Пyтхон апликацијски програмски интерфејс ( АПИ ), ^[20] као и АПИ-је без повратне гаранције компатибилности за Јавасцрипт, ^[21] C++, ^[22] и Јаву . ^{[23] [8]} Пакети за повезивање језика треће стране су такођер доступни за C#, ^{[24] [25]} Хаскелл, ^[26] Јулиа, ^[27] МАТЛАБ, ^[28] Објецт Пасцал, ^[29] Р, ^[30] Сцала, ^[31] Руст, ^[32] ОЦамл, ^[33] и Црyстал . ^[34] Опције које су сада архивиране и неподржане, укључују Го ^[35] и Сwифт . ^[36]

ТенсорФлоw такође има библиотеку за машинско учење у ЈаваСцрипт-у. Користећи обезбеђене ЈаваСцрипт АПИ-је, ТенсорФлоw.јс омогућава корисницима да користе или Тенсорфлоw.јс моделе или конвертоване моделе из ТенсорФлоw или ТФЛите, да поново обуче дате моделе и затим их покрећу на својој веб апликацији. ^{[19] [37]}

ТенсорФлоw Лите садржи АПИ-је за мобилне апликације или уграђене(ембеддед) уређаје за креирање и имплементацију ТенсорФлоw модела. ^[38] Ови модели су компримовани и оптимизирани како би били ефикаснији и имали веће перформансе на уређајима мањег капацитета. ^[39]

ТенсорФлоw Лите користи ФлатБуфферс као формат серијализације података за мрежне моделе, избјегавајући формат Протоцол Буфферс који користе стандардни ТенсорФлоw модели. ^[39]

ТенсорФлоw Еxтендед (скраћено ТФX) пружа бројне компоненте за обављање свих операција потребних за производњу од краја до краја. ^[40] Компоненте укључују учитавање, провјеру ваљаности и трансформацију података, подешавање, обуку и евалуацију модела машинског учења, те гурање самог модела у производњу. ^{[19] [40]}

Нумпy је једна од најпопуларнијих Пyтхон библиотека података, и ТенсорФлоw нуди интеграцију и компатибилност са својим функционалностима. ^[41] Нумпy НДарраyс, један од главних типова података библиотеке, аутоматски се конвертују у ТенсорФлоw тензоре у ТФ операцијама; као и обрнуто. ^[41] Ово омогућава да двије библиотеке раде заједнички без потребе да корисник пише експлицитне конверзије података. Штавише, интеграција се проширује на оптимизацију меморије тако што ТФ Тенсорс дијеле основне меморијске репрезентације Нумпy НДарраy-а кад год је то могуће. ^[41]

ТенсорФлоw такођер нуди разне библиотеке и екстензије за унапређење и проширење броја модела и метода које се користе. ^[42] На примјер, ТенсорФлоw Рецоммендерс и ТенсорФлоw Грапхицс су библиотеке за њихове одговарајуће функционалности у системима препоруке и графици, ТенсорФлоw Федератед пружа оквир за децентрализиране податке, а ТенсорФлоw Цлоуд омогућава корисницима директну интеракцију с Гоогле Цлоудом како би интегрирали свој локални код у Гоогле Цлоуд. ^[43] Остали додаци, библиотеке и оквири укључују ТенсорФлоw Модел Оптимизатион, ТенсорФлоw Пробабилитy, ТенсорФлоw Qуантум и ТенсорФлоw Децисион Треес. ^{[42] [43]}

Гоогле је такођер објавио Цолабораторy, ТенсорФлоw Јупyтер нотебоок окружење које не захтијева никакво подешавање. ^[44] Кориснику ово омогућава коришћење ТенсорфФлоw библиотека на Гоогле Цлоуд-у и омогућава бесплатан приступ ГПУ-има и могућност складиштења и дијељења ткз. "нотебоок"-ова на Гоогле Дриве-у . ^[45]

Гоогле ЈАX је фрамеwорк за машинско учење које се користи за трансформацију нумеричких функција. ^{[46] [47] [48]} Описује се као спој модификоване верзије аутоград (аутоматско добијање функ��ије градијента кроз диференцијацију функције) и ТенсорФлоw XЛА (убрзана линеарна алгебра). Дизајниран је да прати структуру и радни ток НумПy-а што је ближе могуће и ради са ТенсорФлоw-ом као и другим оквирима као што је ПyТорцх . Примарне функције ЈАX-а су: ^[46]

1. град: аутоматска диференцијација
2. јит: компилација
3. вмап: ауто-векторизација
4. пмап: СПМД програмирање

ГЕ Хеалтхцаре је користио ТенсорФлоw да повећа брзину и тачност магнетне резонанце у идентификацији одређених делова тела. ^[49] Гоогле је користио ТенсорФлоw да креира ДермАссист, бесплатну мобилну апликацију која корисницима омогућава да сликају своју кожу и идентификују потенцијалне здравствене компликације. ^[50] Синоватион Вентурес је користио ТенсорФлоw за идентификацију и класификацију очних болести из скенирања оптичке кохерентне томографије (ОЦТ). ^[50]

Тwиттер је имплементирао ТенсорФлоw да рангира тwеетове по важности за датог корисника и промијенио њихову платформу да приказује твитове према овом рангирању. ^[51] Раније су твитови једноставно приказивани обрнутим хронолошким редом. ^[51] Апликација за дијељење фотографија ВСЦО користила је ТенсорФлоw како би предложила прилагођене филтере за фотографије. ^[50]

Гоогле је званично објавио РанкБраин 26. октобра 2015. уз подршку ТенсорФлоw-а. ^[52]

ИнСпаце, виртуелна платформа за учење, користила је ТенсорФлоw за филтрирање токсичних порука за ћаскање у учионицама. ^[53] Лиулисхуо, онлине платформа за учење енглеског језика, користила је ТенсорФлоw за креирање прилагодљивог наставног плана и програма за сваког ученика. ^[54] ТенсорФлоw је кориштен за прецизну процјену способности ученика, а такођер је помогао у одлучивању о даљем приказивању садржаја на основу тих способности. ^[54]

Платформа за е-трговину Цароуселл користила је ТенсорФлоw за пружање персонализираних препорука за купце. ^[50] Козметичка компанија МодиФаце користила је ТенсорФлоw да створи искуство проширене стварности за купце како би тестирали различите нијансе шминке на свом лицу. ^[55]  

ТенсорФлоw је основа за аутоматизовани софтвер за титловање слика ДеепДреам . ^[56]

• Поређење софтвера за дубоко учење
• Керас