Trang này chứa các thuật ngữ trong từ điển về TensorFlow. Để xem tất cả các thuật ngữ trong từ điển, hãy nhấp vào đây.
B
suy luận hàng loạt
Quá trình xác định các dự đoán trên nhiều ví dụ chưa được gắn nhãn được chia thành các tập hợp con nhỏ hơn ("lô").
Suy luận hàng loạt có thể tận dụng các tính năng song song của chip tăng tốc. Tức là nhiều trình tăng tốc có thể đồng thời suy luận các dự đoán trên nhiều lô ví dụ chưa được gắn nhãn, làm tăng đáng kể số lượng suy luận mỗi giây.
Hãy xem phần Hệ thống ML thương mại: Suy luận tĩnh so với động trong khoá học cấp tốc về học máy để biết thêm thông tin.
C
Cloud TPU
Một trình tăng tốc phần cứng chuyên biệt được thiết kế để tăng tốc khối lượng công việc của máy học trên Google Cloud.
D
Dataset API (tf.data)
API TensorFlow cấp cao để đọc dữ liệu và chuyển đổi dữ liệu đó thành một dạng mà thuật toán học máy yêu cầu.
Đối tượng tf.data.Dataset đại diện cho một trình tự 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 nạp chồng có thể có hai định nghĩa sau:
- Một danh mục phần cứng có thể chạy phiên TensorFlow, bao gồm CPU, GPU và TPU.
- Khi huấn luyện mô hình học máy trên chip tăng tốc (GPU hoặc TPU), phần hệ thống thực sự thao tác với tensor và nội dung nhúng. Thiết bị chạy trên các chip tăng tốc. Ngược lại, máy chủ thường chạy trên CPU.
E
thực thi sớm
Môi trường lập trình TensorFlow trong đó các thao tác chạy ngay lập tức. Ngược lại, các thao tác được gọi trong quá trình thực thi biểu đồ sẽ không chạy cho đến khi được đánh giá rõ ràng. Thực thi sớm là một giao diện bắt buộc, giống như mã trong hầu hết các ngôn ngữ lập trình. Các chương trình thực thi sớm thường dễ gỡ lỗi hơn nhiều so với các chương trình thực thi biểu đồ.
Estimator
Một API TensorFlow không dùng nữa. Sử dụng tf.keras thay vì Bộ ước tính.
F
kỹ thuật trích xuất tính năng
Một quy trình bao gồm các bước sau:
- Xác định các tính năng có thể hữu ích trong việc huấn luyện mô hình.
- Chuyển đổi dữ liệu thô từ tập dữ liệu thành các phiên bản hiệu quả của các 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 tính năng nhóm để tối ưu hoá nội dung mà mô hình có thể học được từ các dải temperature khác nhau.
Đôi khi, kỹ thuật xử lý đặc điểm được gọi là trích xuất đặc điểm hoặc tạo đặc điểm.
Hãy xem phần Dữ liệu số: Cách mô hình nhập dữ liệu bằng vectơ tính năng trong khoá học Học nhanh về học máy để biết thêm thông tin.
thông số kỹ thuật của 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 thông tin sau:
- Dữ liệu cần trích xuất (tức là khoá cho các tính năng)
- Loại dữ liệu (ví dụ: float hoặc int)
- Độ dài (cố định hoặc biến)
G
đồ thị
Trong TensorFlow, một thông số kỹ thuật tính toán. Các nút trong biểu đồ đại diện cho các toán tử. Các cạnh được định hướng và biểu thị việc truyền kết quả của một phép toán (Tensor) dưới dạng một toán hạng cho một phép toán khác. Sử dụng TensorBoard để trực quan hoá biểu đồ.
thực thi biểu đồ
Môi trường lập trình TensorFlow, trong đó trước tiên, chương trình sẽ tạo một biểu đồ rồi thực thi toàn bộ hoặc một phần biểu đồ đó. Thực thi biểu đồ là chế độ thực thi mặc định trong TensorFlow 1.x.
Ngược lại với thực thi sớm.
Cao
người tổ chức
Khi huấn luyện mô hình học máy trên chip tăng tốc (GPU hoặc TPU), phần hệ thống sẽ kiểm soát cả hai yếu tố sau:
- Luồng tổng thể của mã.
- Quá trình trích xuất và chuyển đổi quy trình đầu vào.
Máy chủ lưu trữ thường chạy trên CPU chứ không phải trên chip tăng tốc; thiết bị thao tác với tensor trên chip tăng tốc.
L
Layers API (tf.layers)
API TensorFlow để tạo một mạng nơron sâu dưới dạng một thành phần của các lớp. API Lớp cho phép bạn tạo nhiều loại lớp, chẳng hạn như:
tf.layers.Densecho lớp liên thông đầy đủ.tf.layers.Conv2Dcho lớp tích chập.
API Lớp tuân theo các quy ước API lớp Keras. Tức là, ngoài tiền tố khác, tất cả các hàm trong API Lớp đều có tên và chữ ký giống như các hàm tương ứng trong API lớp Keras.
M
lưới
Trong lập trình song song cho học máy, một thuật ngữ liên quan đến việc chỉ định dữ liệu và mô hình cho các khối TPU, đồng thời xác định cách các giá trị này sẽ được phân đoạn hoặc sao chép.
Lưới là một thuật ngữ nạp chồng có thể có nghĩa là một trong những nội dung sau:
- Bố cục thực của các khối TPU.
- Một cấu trúc logic trừu tượng để liên kết dữ liệu và mô hình với chip TPU.
Trong cả hai trường hợp, 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 phép toán trong biểu đồ TensorFlow.
O
toán tử (op)
Trong TensorFlow, mọi quy trình tạo, thao tác hoặc huỷ bỏ Tensor. Ví dụ: phép nhân ma trận là một phép toán lấy hai Tensor làm đầu vào và tạo ra một Tensor làm đầu ra.
Điểm
Máy chủ tham số (PS)
Một công việc theo dõi các tham số của mô hình trong một chế độ cài đặt phân tán.
Hỏi
danh sách chờ
Toán tử TensorFlow triển khai cấu trúc dữ liệu hàng đợi. Thường dùng trong I/O.
Điểm
thứ hạng (Tensor)
Số lượng phương diện trong một Tensor. Ví dụ: một đại lượng vô hướng có thứ hạng 0, một vectơ có thứ hạng 1 và một ma trận có thứ hạng 2.
Đừng nhầm lẫn với hạng (thứ tự).
thư mục gốc
Thư mục bạn chỉ định để lưu trữ các thư mục con của điểm kiểm tra TensorFlow và tệp sự kiện 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 chuyển đổi tuần tự trung lập về ngôn ngữ, có thể khôi phục, 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 toàn bộ thông tin chi tiết.
Vận chuyển hàng tiết kiệm
Một đối tượng TensorFlow chịu trách nhiệm lưu các điểm kiểm tra mô hình.
mảnh
Một phần hợp lý của tập huấn luyện hoặc mô hình. Thông thường, một số quy trình tạo phân mảnh bằng cách chia ví dụ hoặc tham số thành các phần có kích thước bằng nhau (thường là). Sau đó, mỗi phân mảnh sẽ được chỉ định cho một máy khác nhau.
Việc phân đoạn mô hình được gọi là song song mô hình; còn việc phân đoạn dữ liệu được gọi là song song dữ liệu.
tóm tắt
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 của mô hình trong quá trình huấn luyện.
T
Tensor
Cấu trúc dữ liệu chính trong các chương trình TensorFlow. Tensor là các 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 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 tính toán chung trên biểu đồ luồng dữ liệu.
Mặc dù TensorFlow chủ yếu được dùng cho công nghệ học máy, nhưng bạn cũng có thể sử dụng TensorFlow cho các tác vụ không phải công nghệ học máy cần tính toán số học bằng cách sử dụng biểu đồ luồng dữ liệu.
TensorFlow Playground
Một chương trình trực quan hoá mức độ ảnh hưởng của các tham số siêu dữ liệu khác nhau đối với việc huấn luyện mô hình (chủ yếu là mạng nơron). Truy cập vào http://playground.tensorflow.org để thử nghiệm với TensorFlow Playground.
TensorFlow Serving
Một nền tảng để triển khai các mô hình đã huấn luyện trong môi trường thực tế.
Bộ xử lý tensor (TPU)
Một mạch tích hợp (ASIC) dành riêng cho ứng dụng 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 phần hạng (Tensor).
Hình dạng tensor
Số lượng phần tử mà Tensor chứa trong nhiều phương diện.
Ví dụ: Tensor [5, 10] có hình dạng 5 theo một chiều và 10 theo chiều khác.
Kích thước tensor
Tổng số đại lượng vô hướng mà Tensor chứa. Ví dụ: Tensor [5, 10] có kích thước là 50.
tf.Example
Một vùng 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
Cách triển khai Keras được tích hợp vào TensorFlow.
TPU
Viết tắt của Bộ xử lý tensor.
Khối 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 khối TPU được triển khai trên một thiết bị TPU.
Thiết bị TPU
Một bảng mạch in (PCB) có nhiều chip TPU, giao diện mạng băng thông cao và phần cứng làm mát hệ thống.
TPU chính
Quy trình điều phối trung tâm chạy trên máy chủ gửi và nhận dữ liệu, kết quả, chương trình, hiệu suất và thông tin về tình trạng hệ thống cho worker TPU. Máy chủ TPU cũng quản lý việc thiết lập và tắt thiết bị TPU.
Nút TPU
Tài nguyên TPU trên Google Cloud có một loại TPU cụ thể. Nút TPU kết nối với Mạng VPC của bạn từ một mạng VPC ngang hàng. Nút TPU là một tài nguyên được xác định trong API Cloud TPU.
Viên TPU
Cấu hình cụ thể của thiết bị TPU trong trung tâm dữ liệu của Google. Tất cả các thiết bị trong một Vùng chứa TPU đều kết nối với nhau qua một mạng tốc độ cao chuyên dụng. Vùng chứa 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: các nút TPU và các loại TPU là tài nguyên TPU.
Lát TPU
Lát cắt TPU là một phần nhỏ của thiết bị TPU trong một Vùng chứa TPU. Tất cả các thiết bị trong một lát cắt TPU đều được kết nối với nhau qua một mạng tốc độ cao chuyên dụng.
Loại TPU
Cấu hình của một hoặc nhiều thiết bị TPU với một phiên bản phần cứng TPU cụ thể. Bạn chọn một loại TPU khi tạo nút TPU trên Google Cloud. Ví dụ: loại TPU v2-8 là một thiết bị TPU v2 đơn có 8 lõi. Loại TPU v3-2048 có 256 thiết bị TPU v3 nối mạng và tổng cộng 2048 lõi. Loại TPU là một tài nguyên được xác định trong API Cloud TPU.
Worker TPU
Một quy trình chạy trên máy chủ và thực thi các chương trình học máy trên thiết bị TPU.