Bu sayfa TensorFlow sözlüğü terimleri içeriyor. Tüm sözlük terimleri için burayı tıklayın.
B
toplu çıkarım
Birden fazla etiketlenmemiş örnekte tahminleri çıkarmak işlemi daha küçük alt gruplara ("gruplar") ayrılır.
Toplu çıkarım, hızlandırıcı çiplerinin paralelleştirme özelliklerinden yararlanabilir. Yani birden fazla hızlandırıcı, aynı şekilde etiketlenmemiş farklı örnek grupları üzerinde tahminde bulunarak saniye başına çıkarım sayısını önemli ölçüde artırır.
C
Cloud TPU
Google Cloud Platform'daki makine öğrenimi iş yüklerini hızlandırmak için tasarlanmış özel bir donanım hızlandırıcı.
D
Dataset API (tf.data)
Verileri okumak ve makine öğrenimi algoritmasının gerektirdiği bir biçime dönüştürmek için üst düzey bir TensorFlow API'si.
tf.data.Dataset nesnesi, her bir öğenin bir veya daha fazla Tensör içerdiği bir dizi dizisini temsil eder. tf.data.Iterator nesnesi, Dataset öğelerine erişim sağlar.
Dataset API hakkında ayrıntılı bilgi için TensorFlow Programlama Kılavuzu'ndaki tf.data: TensorFlow giriş ardışık düzenleri derleme bölümüne bakın.
cihaz
Aşağıdaki iki olası tanımı içeren aşırı yüklü bir terim:
- CPU, GPU ve TPU dahil olmak üzere TensorFlow oturumu çalıştırabilen bir donanım kategorisi.
- Hızlandırıcı çiplerinde (GPU'lar veya TPU'lar) bir ML modelini eğitirken sistemin tensörleri ve yerleştirmeleri manipüle eden kısmıdır. Cihaz hızlandırıcı çiplerinde çalışır. Buna karşılık, ana makine genellikle bir CPU üzerinde çalışır.
E
hızlı yürütme
İşlemlerin hemen çalıştığı bir TensorFlow programlama ortamı. Bunun aksine, grafik yürütme olarak adlandırılan işlemler, açık bir şekilde değerlendirilene kadar çalışmaz. Hızlı yürütme, çoğu programlama dilindeki koda benzer şekilde zorunlu bir arayüzdür. Hızlı yürütme programlarında hata ayıklama, genellikle grafik yürütme programlarından çok daha kolaydır.
Tahmin
Kullanımdan kaldırılmış bir TensorFlow API. "Tahminler" yerine tf.keras'ı kullanın.
F
özellik mühendisliği
Aşağıdaki adımları içeren bir süreç:
- Bir modelin eğitilmesinde yararlı olabilecek özelliklerin belirlenmesi.
- Veri kümesindeki ham verileri bu özelliklerin etkili sürümlerine dönüştürme.
Örneğin, temperature özelliğinin yararlı bir özellik
olabileceğini belirleyebilirsiniz. Ardından, modelin farklı temperature aralıklarından öğrenebileceklerini optimize etmek için gruplandırmayı deneyebilirsiniz.
Özellik mühendisliği bazen özellik çıkarma olarak da adlandırılır.
özellik özellikleri
tf.Example protokol arabelleğinden özellikler verilerini ayıklamak için gereken bilgileri açıklar. tf.Example protokol arabelleği yalnızca veri için bir kapsayıcı olduğundan aşağıdakileri belirtmeniz gerekir:
- çıkarılacak veriler (özelliklerin anahtarları)
- Veri türü (örneğin, kayan veya int)
- Uzunluk (sabit veya değişken)
G
grafik
TensorFlow'da bir hesaplama spesifikasyonu. Grafikteki düğümler işlemleri temsil eder. Kenarlar yönlendirilir ve bir işlemin sonucunu (Tensor) başka bir işleme işlenen olarak iletmeyi temsil eder. Bir grafiği görselleştirmek için TensorBoard'u kullanın.
grafik yürütme
Programın ilk olarak bir grafik oluşturduğu ve ardından bu grafiğin tamamını veya bir kısmını yürüttüğü TensorFlow programlama ortamı. Grafik yürütme, TensorFlow 1.x'te varsayılan yürütme modudur.
Erken yürütme ile kontrasttır.
H
düzenleyen : canlı yayın sahibi : sunucu
Bir makine öğrenimi modelini hızlandırıcı çiplerinde (GPU'lar veya TPU'lar) eğitirken sistemin aşağıdakilerin ikisini de kontrol eden kısmıdır:
- Kodun genel akışı.
- Giriş ardışık düzeninin ayıklanması ve dönüştürülmesi.
Ana makine genellikle hızlandırıcı çipinde değil, CPU'da çalışır. Cihaz, hızlandırıcı çiplerindeki tensörleri kullanır.
L
Katmanlar API'si (tf.layers)
Katmanların bir bileşimi olarak derin nöral ağ oluşturmak için kullanılan bir TensorFlow API'si. Katmanlar API'si aşağıdakiler gibi farklı katman türleri oluşturmanıza olanak tanır:
- Tamamen bağlı bir katman için
tf.layers.Dense. - Çarpıcı bir katman için
tf.layers.Conv2D.
Katmanlar API'si, Keras katmanları API kurallarına uyar. Yani Katmanlar API'sindeki tüm işlevler, farklı bir ön ek olarak Keras Tiers API'deki eşdeğerleriyle aynı adlara ve imzalara sahiptir.
M
örgü
ML paralel programında, verileri ve modeli TPU çiplerine atama ve bu değerlerin nasıl parçalanacağını veya çoğaltılacağını ifade eden bir terim.
Mesh, aşağıdakilerden biri anlamına gelebilecek aşırı yüklenmiş bir terimdir:
- TPU çiplerinin fiziksel düzeni.
- Verileri ve modeli TPU çiplerine eşlemek için soyut bir mantıksal yapı.
İki durumda da bağlantılı ağ şekil olarak belirtilir.
metrik
Önemsediğiniz bir istatistik.
Hedef, bir makine öğrenimi sisteminin optimize etmeye çalıştığı bir metriktir.
N
düğüm (TensorFlow grafiği)
TensorFlow grafiğindeki bir işlem.
O
işlem (op)
TensorFlow'da Tensor oluşturan, manipüle eden veya yok eden tüm işlemler. Örneğin, matris çarpımı, giriş olarak iki Tensörü alıp çıkış olarak bir Tensor oluşturan bir işlemdir.
P
Parametre Sunucusu (PS)
Bir modelin parametrelerini dağıtılmış bir ortamda izleyen iş.
SORU
sıra
Sıra veri yapısını uygulayan bir TensorFlow İşlemi. Genellikle I/O'da kullanılır.
balon
sıralama (Tensor)
Bir Tensör içindeki boyutların sayısı. Örneğin, skaler sıralama 0, vektör 1 ve matris 2. sıradadır.
Sıralama (sıradan) ile karıştırılmamalıdır.
kök dizin
TensorFlow kontrol noktasının alt dizinlerini ve birden çok modelin etkinlik dosyalarını barındırmak için belirttiğiniz dizin.
C
SavedModel
TensorFlow modellerini kaydetmek ve kurtarmak için önerilen biçim. SavedModel, daha yüksek seviyelerde sistemlerin ve araçların TensorFlow modellerini oluşturmasına, tüketmesine ve dönüştürmesine olanak tanıyan, dilden bağımsız, kurtarılabilir bir serileştirme biçimidir.
Tüm ayrıntılar için TensorFlow Programcı Kılavuzu'ndaki Kaydetme ve Geri Yükleme bölümüne bakın.
Tasarruflu
Model kontrol noktalarını kaydetmekten sorumlu bir TensorFlow nesnesi.
parça
Eğitim grubunun veya modelin mantıksal bölümü. Genellikle bazı işlemler örnekleri veya parametreleri (genellikle) eşit boyutlu parçalara bölerek parça oluşturur. Ardından her kırık, farklı bir makineye atanır.
Bir modeli parçalama, model paralelliği olarak adlandırılır. Verileri parçalama, veri paralelliğine denir.
özet
TensorFlow'da, genellikle eğitim sırasında model metriklerini izlemek için kullanılan, belirli bir adımda hesaplanan bir değer veya değer grubudur.
T
Tensör
TensorFlow programlarındaki birincil veri yapısı. Tensorlar, N boyutlu (N çok büyük olabilir) veri yapıları, en yaygın olarak skaler, vektör ya da matrislerdir. Tensor öğeleri tam sayı, kayan nokta veya dize değerleri içerebilir.
TensorBoard
Bir veya daha fazla TensorFlow programının yürütülmesi sırasında kaydedilen özetleri gösteren kontrol paneli.
TensorFlow
Büyük ölçekli, dağıtılmış, makine öğrenimi platformu. Terim, TensorFlow yığınındaki temel akış API katmanını da ifade eder. Bu, veri akış grafiklerinde genel hesaplamayı destekler.
TensorFlow öncelikli olarak makine öğrenimi için kullanılır. Ancak, Dataflow grafiklerini kullanarak sayısal hesaplama gerektiren makine öğrenimi olmayan görevler için de TensorFlow'u kullanabilirsiniz.
TensorFlow Oyun Alanı
Farklı hiperparametrelerin modeli (esas olarak nöral ağ) eğitimini nasıl etkilediğini görselleştiren bir program. TensorFlow Playground ile deneme yapmak için http://playground.tensorflow.org adresine gidin.
TensorFlow Sunumu
Eğitilmiş modelleri üretimde dağıtacak bir platform.
Tensor İşleme Birimi (TPU)
Makine öğrenimi iş yüklerinin performansını optimize eden, uygulamaya özel entegre bir devre (ASIC). Bu ASIC'ler, bir TPU cihazında birden fazla TPU çipi olarak dağıtılır.
Tensor sıralaması
sıralama (Tensor) konusuna bakın.
Tensor şekli
Bir Tensor'ın çeşitli boyutlarda içerdiği öğe sayısı. Örneğin, [5, 10] Tensor, bir boyutta 5, başka bir boyutta 10 değerine sahiptir.
Tensor boyutu
Bir Tensor'ın içerdiği toplam skaler sayısı. Örneğin, [5, 10] Tensor boyutu 50'dir.
tf.Örnek
Makine öğrenimi modeli eğitimi veya çıkarımı için giriş verilerini açıklayan standart bir protokol arabelleği.
tf.keras
TensorFlow'a entegre edilmiş Keras uygulaması.
TPU
Tensor İşleme Birimi'nin kısaltması.
TPU çipi
Makine öğrenimi iş yükleri için optimize edilmiş, çip üzerinde yüksek bant genişliğine sahip, programlanabilir bir doğrusal cebir hızlandırıcı. TPU cihazlarında birden fazla TPU çipi dağıtılır.
TPU cihazı
Birden çok TPU çipine, yüksek bant genişliğine sahip ağ arayüzlerine ve sistem soğutma donanımına sahip basılı devre kartı (PCB).
Ana TPU
Verileri, sonuçları, programları, performansı ve sistem sağlığı bilgilerini TPU çalışanlarına gönderen ve alan ana makinede çalışan merkezi koordinasyon süreci. TPU ana sayfası, TPU cihazlarının kurulumunu ve kapatılmasını da yönetir.
TPU düğümü
Google Cloud Platform'da belirli bir TPU türüne sahip olan bir TPU kaynağı. TPU düğümü eş VPC VPC'den VPC Ağınıza bağlanır. TPU düğümleri, Cloud TPU API'de tanımlanan kaynaklardır.
TPU Kapsülü
Bir Google veri merkezindeki TPU cihazlarının belirli bir yapılandırması. TPU kapsülündeki tüm cihazlar özel bir yüksek hızlı ağ üzerinden birbirine bağlanır. TPU Kapsül, belirli bir TPU sürümü için kullanılabilen en büyük TPU cihazlarının yapılandırmasıdır.
TPU kaynağı
Google Cloud Platform'da oluşturduğunuz, yönettiğiniz veya tükettiğiniz bir TPU varlığı. Örneğin, TPU düğümleri ve TPU türleri TPU kaynaklarıdır.
TPU dilimi
TPU dilim, TPU Kapsülünde TPU cihazlarının kesirli bir kısmıdır. TPU dilimindeki tüm cihazlar, özel bir yüksek hızlı ağ üzerinden birbirine bağlanır.
TPU türü
Belirli bir TPU donanımı sürümüne sahip bir veya daha fazla TPU cihazı. Google Cloud Platform'da TPU düğümü oluştururken TPU türü seçersiniz. Örneğin v2-8
TPU türü, 8 çekirdekli tek bir TPU v2 cihazıdır. v3-2048 TPU türünde 256 adet bağlı TPU v3 cihaz ve toplam 2.048 çekirdek vardır. TPU türleri, Cloud TPU API'de tanımlanan bir kaynaktır.
TPU çalışanı
TPU cihazlarda ana makine üzerinde çalışan ve makine öğrenimi programları yürüten bir işlemdir.