Trang này chứa các thuật ngữ trong bảng chú giải của TensorFlow. Để xem tất cả các thuật ngữ trong bảng chú giải, hãy nhấp vào đây.
C
Cloud TPU
Một bộ tăng tốc phần cứng chuyên dụng được thiết kế để tăng tốc các tải công việc học máy trên Google Cloud.
D
Dataset API (tf.data)
Một API TensorFlow cấp cao để đọc dữ liệu và chuyển đổi dữ liệu đó thành dạng mà thuật toán học máy yêu cầu.
Một đối tượng tf.data.Dataset biểu thị một chuỗi các phần tử, trong đó mỗi phần tử chứa một hoặc nhiều Tensor. Đối tượng tf.data.Iterator cung cấp quyền truy cập vào các phần tử của Dataset.
thiết bị
Một thuật ngữ có nhiều nghĩa với 2 định nghĩa có thể có như sau:
- Một danh mục phần cứng có thể chạy một phiên TensorFlow, bao gồm CPU, GPU và TPU.
- Khi huấn luyện một mô hình học máy trên các chip tăng tốc (GPU hoặc TPU), phần của hệ thống thực sự thao tác với các tensor và các mục nhúng. Thiết bị chạy trên các chip tăng tốc. Ngược lại, máy chủ thường chạy trên CPU.
E
thực thi tức thì
Một môi trường lập trình TensorFlow mà trong đó các thao tác chạy ngay lập tức. Ngược lại, các thao tác được gọi trong thực thi đồ thị sẽ không chạy cho đến khi được đánh giá một cách rõ ràng. Thực thi tức thì là một giao diện bắt buộc, giống như mã trong hầu hết các ngôn ngữ lập trình. Các chương trình thực thi tức thì thường dễ gỡ lỗi hơn nhiều so với các chương trình thực thi đồ thị.
Estimator
Một API TensorFlow không dùng nữa. Sử dụng tf.keras thay vì Trình ước tính.
F
kỹ thuật trích xuất tính chất
Một quy trình bao gồm các bước sau:
- Xác định những đặc điểm có thể hữu ích trong việc huấn luyện một mô hình.
- Chuyển đổi dữ liệu thô từ tập dữ liệu thành các phiên bản hiệu quả của những tính năng đó.
Ví dụ: bạn có thể xác định rằng temperature có thể là một tính năng hữu ích. Sau đó, bạn có thể thử nghiệm với phân nhóm để tối ưu hoá những gì mô hình có thể học được từ các dải temperature khác nhau.
Kỹ thuật đặc trưng đôi khi được gọi là trích xuất đặc trưng hoặc tạo đặc trưng.
Hãy xem phần Dữ liệu dạng số: Cách một mô hình tiếp nhận dữ liệu bằng cách sử dụng vectơ đặc trưng trong Khoá học cấp tốc về học máy để biết thêm thông tin.
đặc tả tính năng
Mô tả thông tin cần thiết để trích xuất dữ liệu tính năng từ vùng đệm giao thức tf.Example. Vì vùng đệm giao thức tf.Example chỉ là một vùng chứa dữ liệu, nên bạn phải chỉ định những nội dung sau:
- Dữ liệu cần trích xuất (tức là các khoá cho các đối tượng)
- Loại dữ liệu (ví dụ: số thực hoặc số nguyên)
- Độ dài (cố định hoặc thay đổi)
G
đồ thị
Trong TensorFlow, đây là một quy cách tính toán. Các nút trong biểu đồ biểu thị các thao tác. Các cạnh có hướng và biểu thị việc truyền kết quả của một thao tác (một Tensor) làm toán hạng cho một thao tác khác. Sử dụng TensorBoard để trực quan hoá biểu đồ.
thực thi biểu đồ
Môi trường lập trình TensorFlow, trong đó chương trình trước tiên sẽ tạo một đồ thị rồi thực thi toàn bộ hoặc một phần đồ thị đó. Thực thi đồ thị là chế độ thực thi mặc định trong TensorFlow 1.x.
Tương phản với thực thi tức thì.
Cao
người tổ chức
Khi huấn luyện một mô hình học máy trên các chip tăng tốc (GPU hoặc TPU), phần của hệ thống sẽ kiểm soát cả hai điều sau:
- Luồng tổng thể của mã.
- Việc trích xuất và chuyển đổi quy trình đầu vào.
Thông thường, máy chủ lưu trữ chạy trên CPU, chứ không phải trên chip tăng tốc; thiết bị thao tác các tensor trên chip tăng tốc.
L
Layers API (tf.layers)
Một API TensorFlow để tạo mạng nơ-ron sâu dưới dạng một thành phần của các lớp. Layers API cho phép bạn tạo nhiều loại lớp, chẳng hạn như:
tf.layers.Densecho lớp kết nối đầy đủ.tf.layers.Conv2Dcho lớp tích chập.
Layers API tuân theo các quy ước về API lớp Keras. Tức là ngoài tiền tố khác, tất cả các hàm trong Layers API đều có cùng tên và chữ ký như các hàm tương ứng trong Keras Layers API.
M
lưới
Trong lập trình song song ML, đây là một thuật ngữ liên quan đến việc chỉ định dữ liệu và mô hình cho các chip TPU, đồng thời xác định cách các giá trị này sẽ được phân đoạn hoặc sao chép.
Mesh là một thuật ngữ có nhiều nghĩa, có thể là một trong hai nghĩa sau:
- Bố cục thực tế của các chip TPU.
- Một cấu trúc logic trừu tượng để lập bản đồ dữ liệu và mô hình cho các chip TPU.
Trong cả hai trường hợp, một lưới được chỉ định là một hình dạng.
chỉ số
Một số liệu thống kê mà bạn quan tâm.
Mục tiêu là một chỉ số mà hệ thống học máy cố gắng tối ưu hoá.
Không
nút (biểu đồ TensorFlow)
Một thao tác trong biểu đồ TensorFlow.
O
thao tác (op)
Trong TensorFlow, mọi quy trình tạo, thao tác hoặc huỷ Tensor. Ví dụ: phép nhân ma trận là một thao tác lấy 2 Tensor làm đầu vào và tạo ra 1 Tensor làm đầu ra.
Điểm
Parameter Server (PS)
Một công việc theo dõi các tham số của mô hình trong một chế độ cài đặt phân tán.
Hỏi
danh sách chờ
Một Operation TensorFlow triển khai cấu trúc dữ liệu hàng đợi. Thường được dùng trong I/O.
Điểm
hạng (Tensor)
Số lượng phương diện trong một Tensor. Ví dụ: một đại lượng vô hướng có hạng 0, một vectơ có hạng 1 và một ma trận có hạng 2.
Đừng nhầm lẫn với hạng (số thứ tự).
thư mục gốc
Thư mục mà bạn chỉ định để lưu trữ các thư mục con của tệp sự kiện và điểm kiểm tra TensorFlow của nhiều mô hình.
S
SavedModel
Định dạng được đề xuất để lưu và khôi phục các mô hình TensorFlow. SavedModel là một định dạng tuần tự hoá có thể khôi phục và không phụ thuộc vào ngôn ngữ, cho phép các hệ thống và công cụ cấp cao hơn tạo, sử dụng và chuyển đổi các mô hình TensorFlow.
Hãy xem phần Lưu và khôi phục trong Hướng dẫn dành cho lập trình viên TensorFlow để biết thông tin chi tiết đầy đủ.
Vận chuyển hàng tiết kiệm
Một đối tượng TensorFlow chịu trách nhiệm lưu các điểm kiểm tra mô hình.
phân đoạn
Một phép chia logic của tập huấn luyện hoặc mô hình. Thông thường, một số quy trình sẽ tạo các phân đoạn bằng cách chia ví dụ hoặc tham số thành các khối có kích thước bằng nhau (thường là như vậy). Sau đó, mỗi phân đoạn sẽ được chỉ định cho một máy khác.
Phân đoạn một mô hình được gọi là tính song song của mô hình; phân đoạn dữ liệu được gọi là tính song song của dữ liệu.
Gemini và Gemini Advanced
Trong TensorFlow, một giá trị hoặc tập hợp các giá trị được tính toán tại một bước cụ thể, thường được dùng để theo dõi các chỉ số mô hình trong quá trình huấn luyện.
T
Tensor
Cấu trúc dữ liệu chính trong các chương trình TensorFlow. Tensor là cấu trúc dữ liệu N chiều (trong đó N có thể rất lớn), thường là các đại lượng vô hướng, vectơ hoặc ma trận. Các phần tử của Tensor có thể chứa giá trị số nguyên, dấu phẩy động hoặc chuỗi.
TensorBoard
Trang tổng quan hiển thị các bản tóm tắt được lưu trong quá trình thực thi một hoặc nhiều chương trình TensorFlow.
TensorFlow
Một nền tảng học máy phân tán, quy mô lớn. Thuật ngữ này cũng đề cập đến lớp API cơ sở trong ngăn xếp TensorFlow, hỗ trợ hoạt động tính toán chung trên các biểu đồ luồng dữ liệu.
Mặc dù TensorFlow chủ yếu được dùng cho hoạt động học máy, nhưng bạn cũng có thể dùng TensorFlow cho các tác vụ không phải ML yêu cầu tính toán số bằng cách sử dụng biểu đồ luồng dữ liệu.
TensorFlow Playground
Một chương trình minh hoạ cách các siêu tham số khác nhau ảnh hưởng đến quá trình huấn luyện mô hình (chủ yếu là mạng nơ-ron). Truy cập http://playground.tensorflow.org để thử nghiệm TensorFlow Playground.
TensorFlow Serving
Một nền tảng để triển khai các mô hình đã huấn luyện trong quá trình sản xuất.
Tensor Processing Unit (TPU)
Một mạch tích hợp dành riêng cho ứng dụng (ASIC) giúp tối ưu hoá hiệu suất của khối lượng công việc học máy. Các ASIC này được triển khai dưới dạng nhiều chip TPU trên một thiết bị TPU.
Hạng Tensor
Xem hạng (Tensor).
Hình dạng tensor
Số lượng phần tử mà Tensor chứa trong nhiều phương diện.
Ví dụ: một Tensor [5, 10] có hình dạng là 5 ở một chiều và 10 ở chiều khác.
Kích thước tensor
Tổng số đại lượng vô hướng mà Tensor chứa. Ví dụ: một Tensor [5, 10] có kích thước là 50.
tf.Example
Một bộ đệm giao thức tiêu chuẩn để mô tả dữ liệu đầu vào cho quá trình huấn luyện hoặc suy luận mô hình học máy.
tf.keras
Một hoạt động triển khai Keras được tích hợp vào TensorFlow.
TPU
Viết tắt của Tensor Processing Unit (Đơn vị xử lý tensor).
Chip TPU
Một bộ tăng tốc đại số tuyến tính có thể lập trình với bộ nhớ băng thông cao trên chip được tối ưu hoá cho khối lượng công việc học máy. Nhiều chip TPU được triển khai trên một thiết bị TPU.
Thiết bị TPU
Một bảng mạch in (PCB) có nhiều chip TPU, giao diện mạng có băng thông cao và phần cứng làm mát hệ thống.
Nút TPU
Một tài nguyên TPU trên Google Cloud có một loại TPU cụ thể. Nút TPU kết nối với Mạng VPC của bạn từ mạng VPC ngang hàng. Nút TPU là một tài nguyên được xác định trong API Cloud TPU.
Nhóm TPU
Một cấu hình cụ thể của thiết bị TPU trong một trung tâm dữ liệu của Google. Tất cả các thiết bị trong một Nhóm TPU đều được kết nối với nhau thông qua một mạng chuyên dụng tốc độ cao. Nhóm TPU là cấu hình lớn nhất của thiết bị TPU có sẵn cho một phiên bản TPU cụ thể.
Tài nguyên TPU
Một thực thể TPU trên Google Cloud mà bạn tạo, quản lý hoặc sử dụng. Ví dụ: nút TPU và các loại TPU là các tài nguyên TPU.
Lát TPU
Lát TPU là một phần nhỏ của thiết bị TPU trong một TPU Pod. Tất cả các thiết bị trong một lát TPU đều được kết nối với nhau qua một mạng tốc độ cao chuyên dụng.
Loại TPU
Một cấu hình của một hoặc nhiều thiết bị TPU có phiên bản phần cứng TPU cụ thể. Bạn chọn một loại TPU khi tạo một nút TPU trên Google Cloud. Ví dụ: loại v2-8TPU là một thiết bị TPU phiên bản 2 duy nhất có 8 lõi. Một loại TPU v3-2048 có 256 thiết bị TPU phiên bản 3 được kết nối mạng và tổng cộng 2048 lõi. Các loại TPU là một tài nguyên được xác định trong API Cloud TPU.
Trình chạy TPU
Một quy trình chạy trên máy chủ và thực thi các chương trình học máy trên thiết bị TPU.