মেশিন লার্নিং শব্দকোষ: টেনসরফ্লো

এই পৃষ্ঠায় TensorFlow শব্দকোষ রয়েছে। সকল শব্দকোষের জন্য এখানে ক্লিক করুন

ব্যাচ অনুমান

#টেনসরফ্লো
#GoogleCloud

ছোট সাবসেটে বিভক্ত একাধিক লেবেলবিহীন উদাহরণের পূর্বাভাস অনুমান করার প্রক্রিয়া ("ব্যাচ")।

ব্যাচ ইনফারেন্স অ্যাক্সিলারেটর চিপগুলির সমান্তরাল বৈশিষ্ট্যগুলিকে লিভারেজ করতে পারে৷ অর্থাৎ, একাধিক অ্যাক্সিলারেটর একই সাথে লেবেলবিহীন উদাহরণের বিভিন্ন ব্যাচে ভবিষ্যদ্বাণী করতে পারে, নাটকীয়ভাবে প্রতি সেকেন্ডে অনুমানের সংখ্যা বৃদ্ধি করে।

মেঘ TPU

#টেনসরফ্লো
#GoogleCloud

Google ক্লাউডে মেশিন লার্নিং ওয়ার্কলোডের গতি বাড়ানোর জন্য ডিজাইন করা একটি বিশেষ হার্ডওয়্যার অ্যাক্সিলারেটর।

ডি

ডেটাসেট API (tf.data)

#টেনসরফ্লো

একটি উচ্চ-স্তরের TensorFlow API ডেটা পড়ার জন্য এবং এটিকে একটি ফর্মে রূপান্তরিত করার জন্য যা একটি মেশিন লার্নিং অ্যালগরিদমের প্রয়োজন। একটি tf.data.Dataset অবজেক্ট উপাদানগুলির একটি ক্রম প্রতিনিধিত্ব করে, যার প্রতিটি উপাদানে এক বা একাধিক Tensors থাকে। একটি tf.data.Iterator অবজেক্ট একটি Dataset উপাদানগুলিতে অ্যাক্সেস প্রদান করে।

ডেটাসেট API সম্পর্কে বিশদ বিবরণের জন্য, tf.data দেখুন: টেনসরফ্লো প্রোগ্রামার গাইডে টেনসরফ্লো ইনপুট পাইপলাইন তৈরি করুন।

যন্ত্র

#টেনসরফ্লো
#GoogleCloud

নিম্নলিখিত দুটি সম্ভাব্য সংজ্ঞা সহ একটি ওভারলোড শব্দ:

  1. হার্ডওয়্যারের একটি বিভাগ যা CPUs, GPUs, এবং TPUs সহ একটি TensorFlow সেশন চালাতে পারে।
  2. যখন অ্যাক্সিলারেটর চিপস (GPUs বা TPUs) তে একটি ML মডেলকে প্রশিক্ষণ দেওয়া হয়, তখন সিস্টেমের সেই অংশ যা আসলে টেনসর এবং এম্বেডিংগুলিকে ম্যানিপুলেট করে। ডিভাইসটি অ্যাক্সিলারেটর চিপগুলিতে চলে। বিপরীতে, হোস্ট সাধারণত একটি CPU-তে চলে।

উদগ্রীব মৃত্যুদন্ড

#টেনসরফ্লো

একটি টেনসরফ্লো প্রোগ্রামিং পরিবেশ যেখানে অপারেশনগুলি অবিলম্বে চলে। বিপরীতে, গ্রাফ এক্সিকিউশনে বলা ক্রিয়াকলাপগুলি স্পষ্টভাবে মূল্যায়ন না হওয়া পর্যন্ত চলবে না। Aager execution হল একটি অপরিহার্য ইন্টারফেস , অনেকটা প্রোগ্রামিং ভাষার কোডের মত। গ্রাফ এক্সিকিউশন প্রোগ্রামের চেয়ে আগ্রহী এক্সিকিউশন প্রোগ্রামগুলি সাধারণত ডিবাগ করা অনেক সহজ।

অনুমানকারী

#টেনসরফ্লো

একটি অপ্রচলিত TensorFlow API। এস্টিমেটরের পরিবর্তে tf.keras ব্যবহার করুন।

বৈশিষ্ট্য প্রকৌশল

#মৌলিক
#টেনসরফ্লো

একটি প্রক্রিয়া যা নিম্নলিখিত পদক্ষেপগুলিকে অন্তর্ভুক্ত করে:

  1. মডেল প্রশিক্ষণের জন্য কোন বৈশিষ্ট্যগুলি কার্যকর হতে পারে তা নির্ধারণ করা।
  2. ডেটাসেট থেকে কাঁচা ডেটাকে সেই বৈশিষ্ট্যগুলির দক্ষ সংস্করণে রূপান্তর করা।

উদাহরণস্বরূপ, আপনি নির্ধারণ করতে পারেন যে temperature একটি দরকারী বৈশিষ্ট্য হতে পারে। তারপর, মডেলটি বিভিন্ন temperature রেঞ্জ থেকে কী শিখতে পারে তা অপ্টিমাইজ করতে আপনি বাকেটিংয়ের সাথে পরীক্ষা করতে পারেন।

ফিচার ইঞ্জিনিয়ারিংকে কখনও কখনও ফিচার এক্সট্রাকশন বা ফিচারাইজেশন বলা হয়।

বৈশিষ্ট্য বৈশিষ্ট্য

#টেনসরফ্লো

tf.Example প্রোটোকল বাফার থেকে বৈশিষ্ট্য ডেটা বের করার জন্য প্রয়োজনীয় তথ্য বর্ণনা করে। কারণ tf.Example প্রোটোকল বাফার শুধুমাত্র ডেটার জন্য একটি ধারক, আপনাকে অবশ্যই নিম্নলিখিতগুলি নির্দিষ্ট করতে হবে:

  • নিষ্কাশন করার জন্য ডেটা (অর্থাৎ, বৈশিষ্ট্যগুলির জন্য কী)
  • ডেটা টাইপ (উদাহরণস্বরূপ, ফ্লোট বা int)
  • দৈর্ঘ্য (স্থির বা পরিবর্তনশীল)

জি

চিত্রলেখ

#টেনসরফ্লো

টেনসরফ্লোতে, একটি গণনা স্পেসিফিকেশন। গ্রাফের নোডগুলি ক্রিয়াকলাপের প্রতিনিধিত্ব করে। প্রান্তগুলি নির্দেশিত হয় এবং একটি অপারেশনের ফলাফল (একটি টেনসর ) অন্য অপারেশনে অপারেন্ড হিসাবে পাস করার প্রতিনিধিত্ব করে। একটি গ্রাফ কল্পনা করতে TensorBoard ব্যবহার করুন।

গ্রাফ এক্সিকিউশন

#টেনসরফ্লো

একটি টেনসরফ্লো প্রোগ্রামিং এনভায়রনমেন্ট যেখানে প্রোগ্রামটি প্রথমে একটি গ্রাফ তৈরি করে এবং তারপর সেই গ্রাফের সমস্ত বা কিছু অংশ এক্সিকিউট করে। TensorFlow 1.x-এ গ্রাফ এক্সিকিউশন হল ডিফল্ট এক্সিকিউশন মোড।

উদগ্রীব মৃত্যুদন্ড সঙ্গে বৈসাদৃশ্য.

এইচ

হোস্ট

#টেনসরফ্লো
#GoogleCloud

যখন অ্যাক্সিলারেটর চিপস (GPUs বা TPUs ) তে একটি ML মডেলকে প্রশিক্ষণ দেওয়া হয়, তখন সিস্টেমের অংশ যা নিম্নলিখিত দুটিকেই নিয়ন্ত্রণ করে:

  • কোডের সামগ্রিক প্রবাহ।
  • ইনপুট পাইপলাইনের নিষ্কাশন এবং রূপান্তর।

হোস্ট সাধারণত সিপিইউতে চলে, অ্যাক্সিলারেটর চিপে নয়; ডিভাইসটি এক্সিলারেটর চিপগুলিতে টেনসরগুলি পরিচালনা করে।

এল

স্তর API (tf.layers)

#টেনসরফ্লো

স্তরগুলির সংমিশ্রণ হিসাবে একটি গভীর নিউরাল নেটওয়ার্ক নির্মাণের জন্য একটি টেনসরফ্লো API। স্তর API আপনাকে বিভিন্ন ধরনের স্তর তৈরি করতে দেয়, যেমন:

লেয়ার এপিআই কেরাস লেয়ার এপিআই কনভেনশন অনুসরণ করে। অর্থাৎ, একটি ভিন্ন উপসর্গ বাদে, লেয়ার এপিআই-এর সমস্ত ফাংশনের নাম এবং স্বাক্ষর রয়েছে কেরাস লেয়ার এপিআই-এর সমকক্ষের মতো।

এম

জাল

#টেনসরফ্লো
#GoogleCloud

এমএল সমান্তরাল প্রোগ্রামিং-এ, টিপিইউ চিপগুলিতে ডেটা এবং মডেল বরাদ্দ করা এবং এই মানগুলিকে কীভাবে শার্ড বা প্রতিলিপি করা হবে তা সংজ্ঞায়িত করার সাথে যুক্ত একটি শব্দ।

মেশ হল একটি ওভারলোড করা শব্দ যার অর্থ নিম্নলিখিতগুলির মধ্যে একটি হতে পারে:

  • TPU চিপগুলির একটি ভৌত ​​বিন্যাস।
  • TPU চিপগুলিতে ডেটা এবং মডেল ম্যাপ করার জন্য একটি বিমূর্ত যৌক্তিক গঠন।

উভয় ক্ষেত্রেই, একটি জাল একটি আকৃতি হিসাবে নির্দিষ্ট করা হয়।

মেট্রিক

#টেনসরফ্লো

একটি পরিসংখ্যান যা আপনি যত্নশীল।

একটি উদ্দেশ্য হল একটি মেট্রিক যা একটি মেশিন লার্নিং সিস্টেম অপ্টিমাইজ করার চেষ্টা করে।

এন

নোড (টেনসরফ্লো গ্রাফ)

#টেনসরফ্লো

একটি টেনসরফ্লো গ্রাফে একটি অপারেশন।

অপারেশন (অপারেশন)

#টেনসরফ্লো

টেনসরফ্লোতে, যে কোনও পদ্ধতি যা একটি টেনসর তৈরি করে, ম্যানিপুলেট করে বা ধ্বংস করে। উদাহরণ স্বরূপ, একটি ম্যাট্রিক্স মাল্টিপ্লাই হল একটি অপারেশন যা ইনপুট হিসাবে দুটি টেনসর নেয় এবং আউটপুট হিসাবে একটি টেনসর তৈরি করে।

পৃ

প্যারামিটার সার্ভার (PS)

#টেনসরফ্লো

একটি কাজ যা একটি বিতরণ করা সেটিংসে একটি মডেলের পরামিতিগুলির উপর নজর রাখে৷

প্র

কিউ

#টেনসরফ্লো

একটি টেনসরফ্লো অপারেশন যা একটি সারি ডেটা কাঠামো প্রয়োগ করে। সাধারণত I/O তে ব্যবহৃত হয়।

আর

পদমর্যাদা (টেনসর)

#টেনসরফ্লো

একটি টেনসরে মাত্রার সংখ্যা। উদাহরণস্বরূপ, একটি স্কেলারের র‍্যাঙ্ক 0, একটি ভেক্টরের র্যাঙ্ক 1 এবং একটি ম্যাট্রিক্সের 2 নম্বর রয়েছে।

পদমর্যাদার সাথে বিভ্রান্ত হবেন না (সাধারণতা)

আপনি সব

#টেনসরফ্লো

টেনসরফ্লো চেকপয়েন্টের সাবডিরেক্টরি এবং একাধিক মডেলের ইভেন্ট ফাইল হোস্ট করার জন্য আপনি যে ডিরেক্টরিটি নির্দিষ্ট করেছেন।

এস

সংরক্ষিত মডেল

#টেনসরফ্লো

TensorFlow মডেলগুলি সংরক্ষণ এবং পুনরুদ্ধারের জন্য প্রস্তাবিত বিন্যাস। SavedModel হল একটি ভাষা-নিরপেক্ষ, পুনরুদ্ধারযোগ্য সিরিয়ালাইজেশন ফরম্যাট, যা উচ্চ-স্তরের সিস্টেম এবং সরঞ্জামগুলিকে TensorFlow মডেলগুলি তৈরি করতে, ব্যবহার করতে এবং রূপান্তর করতে সক্ষম করে৷

সম্পূর্ণ বিশদ বিবরণের জন্য টেনসরফ্লো প্রোগ্রামার গাইডের সংরক্ষণ এবং পুনরুদ্ধার অধ্যায়টি দেখুন।

সেভার

#টেনসরফ্লো

মডেল চেকপয়েন্ট সংরক্ষণের জন্য দায়ী একটি TensorFlow বস্তু

শার্ড

#টেনসরফ্লো
#GoogleCloud

প্রশিক্ষণ সেট বা মডেলের একটি যৌক্তিক বিভাগ। সাধারণত, কিছু প্রক্রিয়া উদাহরণ বা পরামিতিগুলিকে (সাধারণত) সমান আকারের খণ্ডে ভাগ করে শার্ড তৈরি করে। প্রতিটি শার্ড তারপর একটি ভিন্ন মেশিনে বরাদ্দ করা হয়।

একটি মডেল ভাগ করাকে মডেল সমান্তরালতা বলা হয়; ডেটা শার্ডিংকে ডেটা সমান্তরালতা বলা হয়।

সারসংক্ষেপ

#টেনসরফ্লো

TensorFlow-এ, একটি নির্দিষ্ট ধাপে গণনা করা একটি মান বা মানের সেট, সাধারণত প্রশিক্ষণের সময় মডেল মেট্রিক্স ট্র্যাক করার জন্য ব্যবহৃত হয়।

টি

টেনসর

#টেনসরফ্লো

TensorFlow প্রোগ্রামের প্রাথমিক তথ্য কাঠামো। টেনসর হল N-মাত্রিক (যেখানে N অনেক বড় হতে পারে) ডেটা স্ট্রাকচার, সাধারণত স্কেলার, ভেক্টর বা ম্যাট্রিক্স। একটি টেনসরের উপাদানগুলি পূর্ণসংখ্যা, ভাসমান-বিন্দু বা স্ট্রিং মান ধারণ করতে পারে।

টেনসরবোর্ড

#টেনসরফ্লো

ড্যাশবোর্ড যেটি এক বা একাধিক TensorFlow প্রোগ্রাম চালানোর সময় সংরক্ষিত সারাংশ প্রদর্শন করে।

টেনসরফ্লো

#টেনসরফ্লো

একটি বড় মাপের, বিতরণ করা, মেশিন লার্নিং প্ল্যাটফর্ম। শব্দটি টেনসরফ্লো স্ট্যাকের বেস API স্তরকেও বোঝায়, যা ডেটাফ্লো গ্রাফগুলিতে সাধারণ গণনা সমর্থন করে।

যদিও TensorFlow প্রাথমিকভাবে মেশিন লার্নিং এর জন্য ব্যবহৃত হয়, আপনি টেনসরফ্লো ব্যবহার করতে পারেন নন-এমএল টাস্কের জন্য যেগুলির জন্য ডেটাফ্লো গ্রাফ ব্যবহার করে সংখ্যাসূচক গণনার প্রয়োজন।

টেনসরফ্লো খেলার মাঠ

#টেনসরফ্লো

একটি প্রোগ্রাম যা কল্পনা করে যে কীভাবে বিভিন্ন হাইপারপ্যারামিটার মডেল (প্রাথমিকভাবে নিউরাল নেটওয়ার্ক) প্রশিক্ষণকে প্রভাবিত করে। টেনসরফ্লো প্লেগ্রাউন্ড নিয়ে পরীক্ষা করতে http://playground.tensorflow.org- এ যান।

টেনসরফ্লো পরিবেশন

#টেনসরফ্লো

উৎপাদনে প্রশিক্ষিত মডেল স্থাপন করার একটি প্ল্যাটফর্ম।

টেনসর প্রসেসিং ইউনিট (TPU)

#টেনসরফ্লো
#GoogleCloud

একটি অ্যাপ্লিকেশন-নির্দিষ্ট ইন্টিগ্রেটেড সার্কিট (ASIC) যা মেশিন লার্নিং ওয়ার্কলোডের কর্মক্ষমতাকে অপ্টিমাইজ করে। এই ASIC একটি TPU ডিভাইসে একাধিক TPU চিপ হিসাবে স্থাপন করা হয়।

টেনসর র‍্যাঙ্ক

#টেনসরফ্লো

পদমর্যাদা দেখুন (টেনসর)

টেনসর আকৃতি

#টেনসরফ্লো

একটি টেনসরের বিভিন্ন মাত্রায় উপাদানের সংখ্যা। উদাহরণস্বরূপ, একটি [5, 10] টেনসরের একটি আকার 5 এবং অন্যটিতে 10।

টেনসরের আকার

#টেনসরফ্লো

একটি টেনসরের মোট স্কেলারের সংখ্যা। উদাহরণস্বরূপ, একটি [5, 10] টেনসরের আকার 50।

tf. উদাহরণ

#টেনসরফ্লো

মেশিন লার্নিং মডেল প্রশিক্ষণ বা অনুমানের জন্য ইনপুট ডেটা বর্ণনা করার জন্য একটি আদর্শ প্রোটোকল বাফার

tf.keras

#টেনসরফ্লো

টেনসরফ্লোতে একত্রিত কেরাসের একটি বাস্তবায়ন।

টিপিইউ

#টেনসরফ্লো
#GoogleCloud

টেনসর প্রসেসিং ইউনিটের সংক্ষিপ্ত রূপ।

টিপিইউ চিপ

#টেনসরফ্লো
#GoogleCloud

অন-চিপ উচ্চ ব্যান্ডউইথ মেমরি সহ একটি প্রোগ্রামেবল লিনিয়ার বীজগণিত অ্যাক্সিলারেটর যা মেশিন লার্নিং ওয়ার্কলোডের জন্য অপ্টিমাইজ করা হয়েছে। একাধিক TPU চিপ একটি TPU ডিভাইসে স্থাপন করা হয়।

TPU ডিভাইস

#টেনসরফ্লো
#GoogleCloud

একাধিক TPU চিপ , উচ্চ ব্যান্ডউইথ নেটওয়ার্ক ইন্টারফেস এবং সিস্টেম কুলিং হার্ডওয়্যার সহ একটি প্রিন্টেড সার্কিট বোর্ড (PCB)।

টিপিইউ মাস্টার

#টেনসরফ্লো
#GoogleCloud

একটি হোস্ট মেশিনে চলমান কেন্দ্রীয় সমন্বয় প্রক্রিয়া যা TPU কর্মীদের ডেটা, ফলাফল, প্রোগ্রাম, কর্মক্ষমতা এবং সিস্টেম স্বাস্থ্য সংক্রান্ত তথ্য পাঠায় এবং গ্রহণ করে। TPU মাস্টার টিপিইউ ডিভাইসের সেটআপ এবং শাটডাউন পরিচালনা করে।

TPU নোড

#টেনসরফ্লো
#GoogleCloud

একটি নির্দিষ্ট TPU প্রকার সহ Google ক্লাউডে একটি TPU সম্পদ। TPU নোড একটি পিয়ার ভিপিসি নেটওয়ার্ক থেকে আপনার VPC নেটওয়ার্কের সাথে সংযোগ করে। TPU নোড হল ক্লাউড TPU API- তে সংজ্ঞায়িত একটি সম্পদ।

টিপিইউ পড

#টেনসরফ্লো
#GoogleCloud

Google ডেটা সেন্টারে TPU ডিভাইসের একটি নির্দিষ্ট কনফিগারেশন। একটি টিপিইউ পডের সমস্ত ডিভাইস একটি ডেডিকেটেড হাই-স্পিড নেটওয়ার্কের মাধ্যমে একে অপরের সাথে সংযুক্ত থাকে। একটি TPU পড হল একটি নির্দিষ্ট TPU সংস্করণের জন্য উপলব্ধ TPU ডিভাইসগুলির বৃহত্তম কনফিগারেশন।

TPU সম্পদ

#টেনসরফ্লো
#GoogleCloud

Google ক্লাউডে একটি TPU সত্তা যা আপনি তৈরি করেন, পরিচালনা করেন বা ব্যবহার করেন। উদাহরণস্বরূপ, TPU নোড এবং TPU প্রকারগুলি হল TPU সম্পদ।

TPU স্লাইস

#টেনসরফ্লো
#GoogleCloud

একটি টিপিইউ স্লাইস হল একটি টিপিইউ পডের টিপিইউ ডিভাইসগুলির একটি ভগ্নাংশ। একটি TPU স্লাইসের সমস্ত ডিভাইস একটি ডেডিকেটেড হাই-স্পিড নেটওয়ার্কের মাধ্যমে একে অপরের সাথে সংযুক্ত থাকে।

TPU প্রকার

#টেনসরফ্লো
#GoogleCloud

একটি নির্দিষ্ট TPU হার্ডওয়্যার সংস্করণ সহ এক বা একাধিক TPU ডিভাইসের একটি কনফিগারেশন। আপনি যখন Google ক্লাউডে একটি TPU নোড তৈরি করেন তখন আপনি একটি TPU প্রকার নির্বাচন করেন। উদাহরণস্বরূপ, একটি v2-8 TPU টাইপ হল 8 কোর সহ একটি একক TPU v2 ডিভাইস। একটি v3-2048 TPU প্রকারে 256টি নেটওয়ার্কযুক্ত TPU v3 ডিভাইস এবং মোট 2048টি কোর রয়েছে। TPU প্রকারগুলি হল ক্লাউড TPU API- তে সংজ্ঞায়িত একটি সংস্থান৷

টিপিইউ কর্মী

#টেনসরফ্লো
#GoogleCloud

একটি প্রক্রিয়া যা একটি হোস্ট মেশিনে চলে এবং TPU ডিভাইসে মেশিন লার্নিং প্রোগ্রাম চালায়।