Spisu treści:

Co to jest moduł TensorFlow?
Co to jest moduł TensorFlow?

Wideo: Co to jest moduł TensorFlow?

Wideo: Co to jest moduł TensorFlow?
Wideo: #6. Делаем модель с помощью класса tf.Module. Пример обучения простой нейросети | Tensorflow 2 уроки 2024, Listopad
Anonim

A moduł jest samodzielnym kawałkiem Przepływ Tensora wykres wraz z jego wagami i zasobami, które można ponownie wykorzystać w różnych zadaniach w procesie zwanym uczeniem transferu. Transfer uczenia się może: trenować model przy użyciu mniejszego zestawu danych, poprawiać uogólnianie i. Przyspiesz trening.

Jak korzystać z koncentratora TensorFlow?

Do posługiwać się moduł, który importujesz Centrum TensorFlow , a następnie skopiuj/wklej adres URL modułu do kodu. Niektóre moduły obrazu dostępne na Centrum TensorFlow . Każdy moduł ma zdefiniowany interfejs, który pozwala na używanie go w sposób wymienny, z niewielką lub żadną znajomością jego elementów wewnętrznych.

Dodatkowo, jak zaimportować TensorFlow do notatnika Jupyter? W środku zeszyt , możesz importuj TensorFlow z aliasem tf. Kliknij, aby uruchomić. Poniżej tworzona jest nowa komórka. Napiszmy swój pierwszy kod za pomocą Przepływ Tensora.

Uruchom notatnik Jupyter

  1. Aktywuj środowisko hello-tf conda.
  2. Otwórz Jupytera.
  3. Importuj przepływ tensorowy.
  4. Usuń Notatnik.
  5. Zamknij Jupytera.

W związku z tym, czy TensorFlow jest open source?

Przepływ Tensora jest otwarte źródło biblioteka oprogramowania do obliczeń numerycznych z wykorzystaniem wykresów przepływu danych. Przepływ Tensora jest wieloplatformowy. Działa na prawie wszystkim: procesorach graficznych i procesorach - w tym platformach mobilnych i wbudowanych - a nawet procesorach tensorowych (TPU), które są wyspecjalizowanym sprzętem do wykonywania obliczeń tensorowych.

Jak zainstalować TensorFlow lokalnie?

JAK: Zainstaluj Tensorflow lokalnie

  1. Sklonuj instalację Pythona do katalogu lokalnego. Wymienione są trzy alternatywne polecenia tworzenia.
  2. Aktywuj środowisko klonowania. Dla powłoki bash: source aktywuj lokalnie.
  3. Zainstaluj pakiet. Zainstaluj najnowszą wersję tensorflow, która jest zgodna z GPU.
  4. Przetestuj pakiet Pythona.
  5. Zainstaluj własne moduły Pythona.

Zalecana: