مسرد مصطلحات التعلم الآلي: TensorFlow

تحتوي هذه الصفحة على مصطلحات مسرد TensorFlow. للاطّلاع على جميع مصطلحات المسرد، يُرجى النقر هنا.

C

Cloud TPU

#TensorFlow
#GoogleCloud

أداة تسريع أجهزة متخصّصة مصمّمة لتسريع مهام تعلُّم الآلة على Google Cloud

D

Dataset API (tf.data)

#TensorFlow

واجهة برمجة تطبيقات TensorFlow عالية المستوى لقراءة البيانات وتحويلها إلى نموذج تتطلّبه خوارزمية تعلُّم الآلة يمثّل كائن tf.data.Dataset تسلسلاً من العناصر، يحتوي كل عنصر فيه على Tensor واحد أو أكثر. يتيح عنصر tf.data.Iterator الوصول إلى عناصر Dataset.

جهاز

#TensorFlow
#GoogleCloud

مصطلح مثقل بالمعاني يتضمّن التعريفَين المحتملَين التاليَين:

  1. فئة من الأجهزة يمكنها تشغيل جلسة TensorFlow، بما في ذلك وحدات المعالجة المركزية (CPU) ووحدات معالجة الرسومات (GPU) ووحدات معالجة الموتّرات (TPU).
  2. عند تدريب نموذج تعلُّم آلي على شرائح تسريع (وحدات معالجة الرسومات أو وحدات معالجة الموتّرات)، يكون هذا الجزء من النظام هو المسؤول عن معالجة الموتّرات وعمليات التضمين. يعمل الجهاز باستخدام شرائح تسريع. في المقابل، يعمل المضيف عادةً على وحدة معالجة مركزية.

E

التنفيذ الفوري

#TensorFlow

بيئة برمجة في TensorFlow يتم فيها تنفيذ العمليات على الفور. في المقابل، لا يتم تنفيذ العمليات التي يتم استدعاؤها في تنفيذ الرسم البياني إلا بعد تقييمها بشكل صريح. التنفيذ الفوري هو واجهة إلزامية، تشبه إلى حد كبير الرموز البرمجية في معظم لغات البرمجة. وبشكل عام، يكون تصحيح أخطاء برامج التنفيذ الفوري أسهل بكثير من تصحيح أخطاء برامج التنفيذ البياني.

Estimator

#TensorFlow

واجهة برمجة تطبيقات TensorFlow تم إيقافها نهائيًا استخدِم tf.keras بدلاً من Estimators.

F

هندسة الميزات

#fundamentals
#TensorFlow

عملية تتضمّن الخطوات التالية:

  1. تحديد الميزات التي قد تكون مفيدة في تدريب نموذج
  2. تحويل البيانات الأولية من مجموعة البيانات إلى إصدارات فعّالة من هذه الميزات

على سبيل المثال، قد ترى أنّ temperature قد تكون ميزة مفيدة. بعد ذلك، يمكنك تجربة التجميع في فئات لتحسين ما يمكن أن يتعلّمه النموذج من نطاقات temperature المختلفة.

يُطلق على عملية تصميم الميزات أحيانًا اسم استخراج الميزات أو تحويل البيانات إلى ميزات.

يمكنك الاطّلاع على البيانات الرقمية: كيف يستوعب النموذج البيانات باستخدام متجهات الميزات في "دورة تدريبية مكثّفة حول تعلُّم الآلة" للحصول على مزيد من المعلومات.

مواصفات الميزة

#TensorFlow

توضّح هذه السمة المعلومات المطلوبة لاستخراج بيانات الميزات من بروتوكول tf.Example. بما أنّ tf.Example protocol buffer هي مجرد حاوية للبيانات، عليك تحديد ما يلي:

  • البيانات المُراد استخراجها (أي مفاتيح الميزات)
  • نوع البيانات (على سبيل المثال، عدد عشري أو عدد صحيح)
  • الطول (ثابت أو متغير)

G

رسم بياني

#TensorFlow

في TensorFlow، هي مواصفات عملية حسابية. تمثّل العُقد في الرسم البياني العمليات. الحواف موجّهة وتمثّل تمرير نتيجة عملية (Tensor) كمعامل إلى عملية أخرى. استخدِم TensorBoard لتصوُّر رسم بياني.

تنفيذ الرسم البياني

#TensorFlow

بيئة برمجة TensorFlow ينشئ فيها البرنامج رسمًا بيانيًا أولاً، ثم ينفّذ كل هذا الرسم البياني أو جزءًا منه. تنفيذ الرسم البياني هو وضع التنفيذ التلقائي في TensorFlow 1.x.

يختلف ذلك عن التنفيذ الفوري.

H

مضيف

#TensorFlow
#GoogleCloud

عند تدريب نموذج تعلُّم آلي على شرائح تسريع (وحدات معالجة الرسومات أو وحدات معالجة Tensor)، يكون الجزء من النظام الذي يتحكّم في كلّ مما يلي:

  • تمثّل هذه السمة التدفق العام للرمز.
  • استخراج بيانات مسار الإدخال وتحويلها

يعمل المضيف عادةً على وحدة معالجة مركزية (CPU)، وليس على شريحة تسريع، بينما يعالج الجهاز الموترات على شرائح التسريع.

L

Layers API (tf.layers)

#TensorFlow

واجهة برمجة تطبيقات TensorFlow لإنشاء شبكة عصبية عميقة كتركيبة من الطبقات تتيح لك واجهة برمجة التطبيقات Layers API إنشاء أنواع مختلفة من الطبقات، مثل:

تتّبع واجهة برمجة التطبيقات للطبقات اصطلاحات واجهة برمجة التطبيقات للطبقات في Keras. أي أنّه باستثناء البادئة المختلفة، تتشارك جميع الدوال في واجهة برمجة التطبيقات Layers API الأسماء والتوقيعات نفسها مع نظيراتها في واجهة برمجة التطبيقات Keras layers API.

M

شبكة متداخلة

#TensorFlow
#GoogleCloud

في البرمجة المتوازية لتعلُّم الآلة، يشير هذا المصطلح إلى عملية ربط البيانات والنموذج بشرائح TPU، وتحديد طريقة تقسيم هذه القيم أو تكرارها.

"الشبكة" مصطلح عام يمكن أن يشير إلى أيّ مما يلي:

  • تخطيط فعلي لشرائح TPU
  • بنية منطقية مجرّدة لربط البيانات والنموذج بشرائح TPU.

في كلتا الحالتين، يتم تحديد الشبكة على أنّها شكل.

المقياس

#TensorFlow
#Metric

إحصاء يهمّك

الهدف هو مقياس يحاول نظام تعلُّم الآلة تحسينه.

لا

عقدة (الرسم البياني في TensorFlow)

#TensorFlow

عملية في رسم بياني في TensorFlow

O

العملية (op)

#TensorFlow

في TensorFlow، أي إجراء ينشئ Tensor أو يعالجه أو يتلفه. على سبيل المثال، ضرب المصفوفات هو عملية تتلقّى موترَين كمدخلات وتنتج موترًا واحدًا كمخرجات.

P

خادم المَعلمات (PS)

#TensorFlow

مهمة تتتبّع مَعلمات نموذج في بيئة موزّعة.

Q

قائمة المحتوى التالي

#TensorFlow

عملية TensorFlow تنفّذ بنية بيانات قائمة الانتظار. يُستخدم عادةً في عمليات الإدخال والإخراج.

R

الترتيب (المتّجه)

#TensorFlow

عدد السمات في Tensor على سبيل المثال، يكون ترتيب العدد القياسي 0، وترتيب المتّجه 1، وترتيب المصفوفة 2.

يجب عدم الخلط بينها وبين الترتيب (الترتيب العددي).

الدليل الجذري

#TensorFlow

الدليل الذي تحدّده لاستضافة الأدلة الفرعية لملفات نقاط التفتيش والأحداث في TensorFlow الخاصة بنماذج متعدّدة

S

SavedModel

#TensorFlow

التنسيق المقترَح لحفظ نماذج TensorFlow واستردادها ‫SavedModel هو تنسيق تسلسل قابل للاسترداد ومستقل عن اللغة، ما يتيح للأنظمة والأدوات ذات المستوى الأعلى إنشاء نماذج TensorFlow واستهلاكها وتحويلها.

راجِع قسم "الحفظ والاستعادة" في "دليل مبرمجي TensorFlow" للحصول على التفاصيل الكاملة.

موفّر

#TensorFlow

عنصر TensorFlow المسؤول عن حفظ نقاط التحقّق من النموذج.

شظية

#TensorFlow
#GoogleCloud

تقسيم منطقي لمجموعة التدريب أو النموذج عادةً، تنشئ بعض العمليات أجزاءً من خلال تقسيم الأمثلة أو المَعلمات إلى أجزاء متساوية الحجم (عادةً). بعد ذلك، يتمّ تعيين كل جزء إلى جهاز مختلف.

يُطلق على تقسيم النموذج اسم التوازي على مستوى النموذج، بينما يُطلق على تقسيم البيانات اسم التوازي على مستوى البيانات.

ملخّص

#TensorFlow

في TensorFlow، هي قيمة أو مجموعة من القيم يتم احتسابها في خطوة معيّنة، ويتم استخدامها عادةً لتتبُّع مقاييس النموذج أثناء التدريب.

T

Tensor

#TensorFlow

بنية البيانات الأساسية في برامج TensorFlow الموترات هي هياكل بيانات متعددة الأبعاد (يمكن أن يكون عدد الأبعاد كبيرًا جدًا)، وهي غالبًا ما تكون كميات قياسية أو متجهات أو مصفوفات. يمكن أن تحتوي عناصر Tensor على قيم عددية صحيحة أو قيم نقطة عائمة أو قيم سلاسل.

TensorBoard

#TensorFlow

لوحة البيانات التي تعرض الملخّصات المحفوظة أثناء تنفيذ برنامج واحد أو أكثر من برامج TensorFlow

TensorFlow

#TensorFlow

منصة تعلُّم آلي موزّعة وواسعة النطاق يشير المصطلح أيضًا إلى طبقة واجهة برمجة التطبيقات الأساسية في حزمة TensorFlow، والتي تتيح إجراء عمليات حسابية عامة على رسومات بيانية لتدفّق البيانات.

على الرغم من أنّ TensorFlow تُستخدَم بشكل أساسي في تعلُّم الآلة، يمكنك أيضًا استخدامها في مهام غير متعلّقة بتعلُّم الآلة تتطلّب إجراء عمليات حسابية رقمية باستخدام رسومات بيانية لتدفّق البيانات.

TensorFlow Playground

#TensorFlow

برنامج يعرض بشكل مرئي كيف تؤثر المَعلمات الفائقة المختلفة في تدريب النماذج (لا سيما الشبكات العصبية). انتقِل إلى http://playground.tensorflow.org لتجربة TensorFlow Playground.

‫TensorFlow Serving

#TensorFlow

منصة لنشر النماذج المدرَّبة في مرحلة الإنتاج

وحدة معالجة الموتّرات (TPU)

#TensorFlow
#GoogleCloud

شريحة مُدمَجة خاصة بالتطبيقات (ASIC) تعمل على تحسين أداء مهام معالجة تعلُّم الآلة. يتم نشر هذه الدوائر المتكاملة الخاصة بالتطبيقات على شكل شرائح TPU متعددة على جهاز TPU.

ترتيب المتّجه

#TensorFlow

اطّلِع على الترتيب (المتّجه).

شكل المتّجه

#TensorFlow

عدد العناصر التي يحتوي عليها Tensor في مختلف السمات على سبيل المثال، يحتوي [5, 10] Tensor على شكل 5 في أحد الأبعاد و10 في بعد آخر.

حجم المتّجه

#TensorFlow

تمثّل هذه السمة إجمالي عدد القيم العددية التي يحتوي عليها Tensor. على سبيل المثال، يبلغ حجم [5, 10] Tensor‏ 50.

tf.Example

#TensorFlow

وهو عبارة عن بروتوكول مخزن مؤقت معياري لوصف بيانات الإدخال اللازمة لتدريب نماذج تعلُّم الآلة أو الاستدلال عليها.

tf.keras

#TensorFlow

هي تنفيذ Keras مدمج في TensorFlow.

TPU

#TensorFlow
#GoogleCloud

اختصار وحدة معالجة الموتّرات

شريحة TPU

#TensorFlow
#GoogleCloud

هي أداة تسريع قابلة للبرمجة خاصة بالجبر الخطي، وتتضمّن ذاكرة عالية النطاق الترددي على الشريحة، وهي محسّنة لتناسب مهام معالجة تعلُّم الآلة. يتم نشر شرائح متعددة من وحدات معالجة الموتّرات على جهاز TPU.

جهاز TPU

#TensorFlow
#GoogleCloud

لوحة دوائر مطبوعة (PCB) تحتوي على عدة شرائح TPU، وواجهات شبكة ذات نطاق ترددي عالٍ، وأجهزة تبريد النظام.

عقدة وحدة معالجة الموتّرات

#TensorFlow
#GoogleCloud

مورد لوحدة معالجة الموتّرات على Google Cloud بنوع وحدة معالجة موتّرات محدّد. تتصل عقدة TPU بشبكة VPC من شبكة VPC نظيرة. عُقد TPU هي موارد محدّدة في Cloud TPU API.

حزمة TPU

#TensorFlow
#GoogleCloud

هي إعدادات محدّدة لأجهزة TPU في أحد مراكز بيانات Google. تكون جميع الأجهزة في وحدة TPU Pod متصلة ببعضها البعض عبر شبكة مخصّصة عالية السرعة. ‫TPU Pod هي أكبر عملية إعداد لأجهزة TPU متاحة لإصدار معيّن من TPU.

مورد TPU

#TensorFlow
#GoogleCloud

كيان لوحدة معالجة الموتّرات على Google Cloud يمكنك إنشاؤه أو إدارته أو استخدامه. على سبيل المثال، عُقد وحدات معالجة الموتّرات وأنواع وحدات معالجة الموتّرات هي موارد لوحدات معالجة الموتّرات.

شريحة TPU

#TensorFlow
#GoogleCloud

شريحة وحدة معالجة الموتّرات (TPU) هي جزء كسري من أجهزة TPU في حزمة TPU. يتم ربط جميع الأجهزة في شريحة وحدة معالجة الموتّرات (TPU) ببعضها البعض عبر شبكة مخصّصة عالية السرعة.

نوع وحدة معالجة الموتّرات

#TensorFlow
#GoogleCloud

يشير إلى إعداد جهاز واحد أو أكثر من أجهزة TPU مع إصدار محدّد من أجهزة TPU. يمكنك اختيار نوع وحدة معالجة الموتّرات عند إنشاء عقدة وحدة معالجة الموتّرات على Google Cloud. على سبيل المثال، v2-8نوع وحدة معالجة الموتّرات هو جهاز TPU v2 واحد مزوّد بـ 8 نوى. يحتوي v3-2048 نوع وحدة معالجة الموتّرات (TPU) على 256 جهاز TPU v3 متصل بشبكة و2048 نواة إجمالاً. أنواع وحدات معالجة الموتّرات هي موارد محدّدة في Cloud TPU API.

عامل TPU

#TensorFlow
#GoogleCloud

هي عملية يتم تنفيذها على جهاز مضيف وتنفّذ برامج تعلُّم الآلة على أجهزة TPU.