הדף הזה מכיל מונחים במילון המונחים של TensorFlow. כאן אפשר לראות את כל המונחים במילון המונחים.
C
Cloud TPU
מאיץ חומרה ייעודי שנועד להאיץ עומסי עבודה של למידת מכונה ב-Google Cloud.
D
Dataset API (tf.data)
API ברמה גבוהה של TensorFlow לקריאת נתונים ולהמרה שלהם לפורמט שנדרש לאלגוריתם של למידת מכונה.
אובייקט tf.data.Dataset מייצג רצף של רכיבים, שכל אחד מהם מכיל Tensor אחד או יותר. אובייקט tf.data.Iterator
מספק גישה לרכיבים של Dataset.
מכשיר
מונח עמוס עם שתי הגדרות אפשריות:
- קטגוריה של חומרה שיכולה להריץ סשן של TensorFlow, כולל מעבדי CPU, מעבדי GPU ומעבדי TPU.
- כשמבצעים אימון של מודל ML על שבבי האצה (GPU או TPU), החלק במערכת שמבצע בפועל מניפולציה של טנסורים ושל הטבעות. המכשיר פועל על שבבי האצה. לעומת זאת, המארח פועל בדרך כלל על מעבד.
E
הרצה מיידית
סביבת תכנות של TensorFlow שבה פעולות מופעלות באופן מיידי. לעומת זאת, פעולות שמופעלות בביצוע גרף לא מופעלות עד שהן מוערכות באופן מפורש. ההרצה המיידית היא ממשק אימפרטיבי, בדומה לקוד ברוב שפות התכנות. בדרך כלל קל הרבה יותר לבצע ניפוי באגים בתוכניות של ביצוע מיידי מאשר בתוכניות של ביצוע גרפים.
Estimator
TensorFlow API שהוצא משימוש. כדאי להשתמש ב-tf.keras במקום ב-Estimators.
F
הנדסת פיצ'רים (feature engineering)
תהליך שכולל את השלבים הבאים:
- קביעה של תכונות שעשויות להיות שימושיות באימון מודל.
- המרת נתונים גולמיים ממערך הנתונים לגרסאות יעילות של התכונות האלה.
לדוגמה, יכול להיות שתקבעו ש-temperature הוא תכונה שימושית. אחר כך אפשר להתנסות בחלוקה לקטגוריות כדי לשפר את היכולת של המודל ללמוד מטווחים שונים של temperature.
הנדסת תכונות נקראת לפעמים חילוץ תכונות או יצירת תכונות.
מידע נוסף זמין במאמר נתונים מספריים: איך מודל מעכל נתונים באמצעות וקטורים של תכונות בסדנה המקוונת בנושא למידת מכונה.
מפרט התכונה
מתאר את המידע שנדרש כדי לחלץ נתוני מאפיינים ממאגר פרוטוקול tf.Example. מכיוון ש-tf.Example protocol buffer הוא רק מאגר לנתונים, צריך לציין את הפרטים הבאים:
- הנתונים לחילוץ (כלומר, המפתחות של התכונות)
- סוג הנתונים (לדוגמה, float או int)
- האורך (קבוע או משתנה)
G
תרשים
ב-TensorFlow, מפרט חישוב. הצמתים בתרשים מייצגים פעולות. הקצוות הם מכוונים ומייצגים העברה של תוצאת פעולה (Tensor) כאופרנד לפעולה אחרת. אפשר להשתמש ב-TensorBoard כדי להמחיש תרשים.
הרצת גרף
סביבת תכנות של TensorFlow שבה התוכנית יוצרת קודם גרף ואז מפעילה את הגרף הזה, כולו או חלקו. הפעלת גרף היא מצב ההפעלה שמוגדר כברירת מחדל ב-TensorFlow 1.x.
ההפך מהרצה מיידית.
H
מארח
כשמאמנים מודל ML על שבבי האצה (GPU או TPU), החלק במערכת ששולט בשני הדברים הבאים:
- הזרימה הכוללת של הקוד.
- החילוץ והשינוי של צינור הקלט.
המארח פועל בדרך כלל במעבד (CPU), ולא בצ'יפ האצה. המכשיר מבצע מניפולציות על טנסורים בצ'יפים של המאיץ.
L
Layers API (tf.layers)
ממשק API של TensorFlow ליצירת רשת עצבית עמוקה כהרכב של שכבות. Layers API מאפשר לכם ליצור סוגים שונים של שכבות, למשל:
-
tf.layers.Denseעבור שכבה שמקושרת באופן מלא. -
tf.layers.Conv2Dלשכבת קונבולוציה.
ממשק ה-API של Layers פועל לפי מוסכמות ממשק ה-API של שכבות Keras. כלומר, מלבד קידומת שונה, לכל הפונקציות ב-Layers API יש את אותם שמות וחתימות כמו הפונקציות המקבילות ב-Keras layers API.
M
רשת
במקביל למידת מכונה, מונח שקשור להקצאת הנתונים והמודל לשבבי TPU, ולהגדרת האופן שבו הערכים האלה יחולקו או ישוכפלו.
המונח Mesh (רשת) הוא מונח עמוס שיכול להתייחס לאחד מהדברים הבאים:
- פריסה פיזית של שבבי TPU.
- מבנה לוגי מופשט למיפוי הנתונים והמודל לשבבי TPU.
בכל מקרה, רשת מוגדרת כצורה.
ערך
נתון סטטיסטי שחשוב לכם.
יעד הוא מדד שמערכת למידת מכונה מנסה לבצע לו אופטימיזציה.
לא
צומת (תרשים TensorFlow)
פעולה בגרף של TensorFlow.
O
פעולה (op)
ב-TensorFlow, כל הליך שיוצר, משנה או משמיד Tensor. לדוגמה, כפל מטריצות הוא פעולה שמקבלת שני טנסורים כקלט ומפיקה טנסור אחד כפלט.
P
שרת פרמטרים (PS)
משימה שעוקבת אחרי הפרמטרים של מודל בהגדרה מבוזרת.
Q
רשימת סרטונים
Operation של TensorFlow שמטמיע מבנה נתונים של תור. בדרך כלל נמצא בשימוש בקלט/פלט.
R
rank (Tensor)
מספר המאפיינים ב-Tensor. לדוגמה, לערך סקלרי יש דרגה 0, לווקטור יש דרגה 1 ולמטריצה יש דרגה 2.
לא להתבלבל עם דירוג (סדר).
ספריית השורש
הספרייה שאתם מציינים לאירוח ספריות משנה של קובצי TensorFlow checkpoint וקובצי אירועים של כמה מודלים.
S
SavedModel
הפורמט המומלץ לשמירה ולשחזור של מודלים של TensorFlow. SavedModel הוא פורמט סריאליזציה שאינו תלוי בשפה וניתן לשחזור, שמאפשר למערכות ולכלים ברמה גבוהה יותר ליצור, להשתמש ולהמיר מודלים של TensorFlow.
פרטים מלאים מופיעים בקטע שמירה ושחזור במדריך לתכנתים של TensorFlow.
חסכוני
אובייקט TensorFlow שאחראי לשמירת נקודות ביקורת (checkpoint) של המודל.
פצל
חלוקה לוגית של נתוני האימון או של המודל. בדרך כלל, תהליך מסוים יוצר רסיסים על ידי חלוקה של הדוגמאות או הפרמטרים לחלקים בגודל שווה (בדרך כלל). כל רסיס מוקצה למכונה אחרת.
החלוקה של מודל נקראת מקבילות של מודל, והחלוקה של נתונים נקראת מקבילות של נתונים.
סיכום
ב-TensorFlow, ערך או קבוצת ערכים שמחושבים בשלב מסוים, בדרך כלל משמשים למעקב אחרי מדדי המודל במהלך האימון.
T
Tensor
מבנה הנתונים העיקרי בתוכניות TensorFlow. טנסורים הם מבני נתונים בעלי N ממדים (כאשר N יכול להיות מספר גדול מאוד), בדרך כלל סקלרים, וקטורים או מטריצות. האלמנטים של Tensor יכולים להכיל מספרים שלמים, מספרים עשרוניים או ערכי מחרוזת.
TensorBoard
לוח הבקרה שבו מוצגים הסיכומים שנשמרו במהלך ההרצה של תוכנית TensorFlow אחת או יותר.
TensorFlow
פלטפורמה מבוזרת של למידת מכונה בקנה מידה גדול. המונח מתייחס גם לשכבת ה-API הבסיסית במערך TensorFlow, שתומכת בחישוב כללי בתרשימי זרימת נתונים.
למרות ש-TensorFlow משמשת בעיקר ללמידת מכונה, אפשר להשתמש בה גם למשימות שאינן קשורות ללמידת מכונה, שדורשות חישובים מספריים באמצעות גרפים של זרימת נתונים.
TensorFlow Playground
תוכנית שממחישה איך היפרפרמטרים שונים משפיעים על אימון המודל (בעיקר רשת עצבית). כדי להתנסות ב-TensorFlow Playground, עוברים אל http://playground.tensorflow.org.
TensorFlow Serving
פלטפורמה לפריסת מודלים מאומנים בסביבת ייצור.
Tensor Processing Unit (TPU)
מעגל משולב לאפליקציות ספציפיות (ASIC) שמבצע אופטימיזציה של הביצועים של עומסי עבודה של למידת מכונה. ה-ASIC האלה נפרסים בתור כמה שבבי TPU במכשיר TPU.
דירוג טנסור
מידע נוסף זמין במאמר בנושא rank (Tensor).
צורת טנסור
מספר הרכיבים ש-Tensor מכיל במאפיינים שונים.
לדוגמה, לטנזור [5, 10] יש צורה של 5 בממד אחד ו-10 בממד אחר.
גודל הטנסור
המספר הכולל של ערכים סקלריים ש-Tensor מכיל. לדוגמה, לטנזור [5, 10] יש גודל של 50.
tf.Example
פרוטוקול חוצץ סטנדרטי לתיאור נתוני קלט לאימון או להסקת מסקנות של מודל למידת מכונה.
tf.keras
הטמעה של Keras שמשולבת ב-TensorFlow.
TPU
קיצור של Tensor Processing Unit (יחידת עיבוד טנסור).
שבב TPU
מאיץ אלגברה לינארית שניתן לתכנות עם זיכרון בעל רוחב פס גבוה על השבב, שעבר אופטימיזציה לעומסי עבודה של למידת מכונה. כמה שבבי TPU נפרסים במכשיר TPU.
מכשיר TPU
לוח מעגלים מודפס (PCB) עם כמה שבבי TPU, ממשקי רשת עם רוחב פס גבוה וחומרה לקירור המערכת.
צומת TPU
משאב TPU ב-Google Cloud עם סוג TPU ספציפי. צומת ה-TPU מתחבר לרשת ה-VPC מרשת VPC שכנה. צומתי TPU הם משאב שמוגדר ב-Cloud TPU API.
TPU Pod
תצורה ספציפית של מכשירי TPU במרכז נתונים של Google. כל המכשירים ב-TPU Pod מחוברים זה לזה באמצעות רשת ייעודית מהירה. TPU Pod הוא ההגדרה הגדולה ביותר של מכשירי TPU שזמינה לגרסה ספציפית של TPU.
משאב TPU
ישות TPU ב-Google Cloud שאתם יוצרים, מנהלים או משתמשים בה. לדוגמה, צומתי TPU וסוגי TPU הם משאבי TPU.
TPU slice
TPU slice הוא חלק קטן ממכשירי TPU ב-TPU Pod. כל המכשירים ב-TPU slice מחוברים זה לזה באמצעות רשת ייעודית מהירה.
סוג ה-TPU
הגדרה של מכשירי TPU אחד או יותר עם גרסת חומרה ספציפית של TPU. כשיוצרים צומת TPU ב-Google Cloud, בוחרים את סוג ה-TPU. לדוגמה, סוג TPU v2-8 הוא מכשיר TPU v2 יחיד עם 8 ליבות. TPU מסוג v3-2048 כולל 256 מכשירי TPU v3 שמחוברים לרשת, ובסך הכול 2,048 ליבות. סוגי TPU הם משאב שמוגדר ב-Cloud TPU API.
TPU worker
תהליך שפועל במכונת מארח ומבצע תוכניות של למידת מכונה במכשירי TPU.