Bu sayfa, TensorFlow sözlük terimleri içermektedir. Tüm sözlük terimleri için burayı tıklayın.
B
toplu çıkarım
Daha küçük alt kümelere ("gruplar") bölünmüş birden fazla etiketlenmemiş örnekte tahminleri çıkarma işlemi.
Toplu çıkarım, hızlandırıcı çiplerinin paralelleştirme özelliklerinden yararlanabilir. Yani birden fazla hızlandırıcı, etiketlenmemiş farklı örnek gruplarıyla ilgili tahminleri aynı anda tahmin edebilir. Bu da saniyedeki çıkarım sayısını önemli ölçüde artırır.
C
Cloud TPU
Google Cloud'da makine öğrenimi iş yüklerini hızlandırmak için tasarlanmış özel bir donanım hızlandırıcı.
D
Veri Kümesi API'sı (tf.data)
Verileri okumak ve makine öğrenimi algoritmasının gerektirdiği forma dönüştürmek için kullanılan üst düzey TensorFlow API.
tf.data.Dataset nesnesi, her öğenin bir veya daha fazla Tensör içerdiği bir öğe dizisini temsil eder. tf.data.Iterator nesnesi, Dataset öğelerine erişim sağlar.
Dataset API hakkında ayrıntılı bilgi için TensorFlow Programmer's Guide'da (TensorFlow Programcı Kılavuzu) tf.data: Build TensorFlow giriş ardışık düzenleri bölümüne bakın.
cihaz
Aşağıdaki iki olası tanımı içeren aşırı yüklenmiş bir terim:
- CPU'lar, GPU'lar ve TPU'lar dahil olmak üzere TensorFlow oturumu çalıştırabilen bir donanım kategorisi.
- Bir ML modelini hızlandırıcı çipler (GPU'lar veya TPU'lar) üzerinde eğitirken sistemin tensörleri ve yerleştirmeleri gerçekten değiştiren kısmıdır. Cihaz hızlandırıcı çiplerle çalışır. Buna karşılık, ana makine genellikle bir CPU üzerinde çalışır.
E
anında yürütme
operations hemen çalıştırıldığı TensorFlow programlama ortamı. Öte yandan, grafik yürütme özelliğinde çağrılan işlemler, açık bir şekilde değerlendirilene kadar çalışmaz. Eşikli yürütme, çoğu programlama dilindeki koda benzer şekilde zorunlu bir arayüzdür. Hızlıca yürütme programlarında hata ayıklamak, grafik yürütme programlarına kıyasla genellikle çok daha kolaydır.
Tahmin Aracı
Kullanımdan kaldırılmış bir TensorFlow API. Predictions yerine tf.keras alanını kullanın.
F
özellik mühendisliği
Aşağıdaki adımları içeren bir süreç:
- Bir modeli eğitirken faydalı olabilecek özellikleri belirlemek.
- Veri kümesindeki ham verileri bu özelliklerin verimli sürümlerine dönüştürme.
Örneğin, temperature yararlı bir özellik olabilir. Ardından modelin farklı temperature aralıklarından öğrenebileceği şeyleri optimize etmek için paketleme ile denemeler yapabilirsiniz.
Özellik mühendisliği bazen özellik çıkarma veya özellik belirleme olarak da adlandırılır.
özellik spesifikasyonu
tf.Example protokol arabelleğinden özellikler verilerini ayıklamak için gereken bilgileri açıklar. tf.Example protokol arabelleği yalnızca bir veri kapsayıcısı olduğundan aşağıdakileri belirtmeniz gerekir:
- Çıkarılacak veriler (yani özelliklerin anahtarları)
- Veri türü (ör. kayan nokta veya int)
- Uzunluk (sabit veya değişken)
G
grafik
TensorFlow'da bir hesaplama spesifikasyonu. Grafikteki düğümler işlemleri gösterir. Kenarlar yönlendirilir ve bir işlemin sonucunu (Tensör) başka bir işleme işlenen olarak geçirmeyi temsil eder. Grafiği görselleştirmek için TensorBoard'u kullanın.
grafik yürütme
Programın önce bir grafik oluşturduğu ve ardından grafiğin tamamını veya bir kısmını yürüttüğü TensorFlow programlama ortamı. Grafik yürütme, TensorFlow 1.x'te varsayılan yürütme modudur.
İsteğe bağlı yürütme ile kontrast oluşturun.
VR
düzenleyen
Hızlandırıcı çiplerinde (GPU'lar veya TPU'lar) ML modeli eğitilirken, sistemin aşağıdakilerden ikisini de kontrol eden bölümü:
- Kodun genel akışı.
- Giriş ardışık düzeninin ayıklanması ve dönüştürülmesi.
Ana makine genellikle hızlandırıcı çip üzerinde değil, CPU üzerinde çalışır. Cihaz, hızlandırıcı çipleri üzerindeki tensörleri manipüle eder.
L
Katmanlar API'sı (tf.layers)
Katman bileşimi olarak derin bir nöral ağ oluşturmak için kullanılan bir TensorFlow API. Katmanlar API'si, aşağıdakiler gibi farklı türlerde katmanlar oluşturmanıza olanak tanır:
- Tamamen bağlı bir katman için
tf.layers.Dense. - kıvrımlı bir katman için
tf.layers.Conv2D.
Katmanlar API'si, Keras katmanları API kurallarını izler. Diğer bir deyişle, farklı önekler dışında, Katmanlar API'deki tüm işlevler Keras layers API'sindeki eşdeğerleriyle aynı adlara ve imzalara sahiptir.
M
örgü
ML paralel programlamasında, TPU çiplerine veri ve model atama ve bu değerlerin nasıl kırılacağını veya çoğaltılacağını tanımlamayla ilişkili bir terimdir.
Örgü, aşağıdakilerden biri anlamına gelebilecek aşırı yüklenmiş bir terimdir:
- TPU çiplerinin fiziksel düzeni.
- Verileri ve modeli TPU çipleriyle eşlemek için soyut bir mantıksal yapı.
Her iki durumda da bir ağ, şekil olarak belirtilir.
metrik
Sizin için önemli olan bir istatistik.
Hedef, bir makine öğrenimi sisteminin optimize etmeye çalıştığı bir metriktir.
N
düğüm (TensorFlow grafiği)
TensorFlow grafiği'ndeki bir işlem.
O
işlem (op)
TensorFlow'da bir Tensör oluşturan, manipüle eden veya yok eden tüm prosedürler. Örneğin, matris çarpımı, iki Tensörü giriş olarak alıp çıkış olarak bir Tensör oluşturan bir işlemdir.
P
Parametre Sunucusu (PS)
Dağıtılmış bir ayarda bir modelin parametrelerini takip eden iş.
SORU
sıra
Sıra veri yapısını uygulayan bir TensorFlow İşlemi. Genellikle I/O'da kullanılır.
R
sıra (Tensör)
Bir Tensör'deki boyutların sayısı. Örneğin, skalerin sıralaması 0, vektörün sıralaması 1 ve matrisin sıralaması 2'dir.
Sıralama (sıralılık) ile karıştırılmaması gerekir.
kök dizin
TensorFlow kontrol noktasının alt dizinlerini ve birden fazla modelin etkinlik dosyalarını barındırmak için belirttiğiniz dizindir.
S
SavedModel
TensorFlow modellerini kaydetmek ve kurtarmak için önerilen biçim. SavedModel, üst düzey sistemlerin ve araçların TensorFlow modellerini üretmesini, tüketmesini ve dönüştürmesini sağlayan, dilden bağımsız ve kurtarılabilir bir serileştirme biçimidir.
Tüm ayrıntılar için TensorFlow Programcı Kılavuzu'nda Kaydetme ve Geri Yükleme bölümüne bakın.
Tasarruflu
Model kontrol noktalarını kaydetmekten sorumlu bir TensorFlow nesnesi.
parça
Eğitim kümesinin veya modelin mantıksal bir bölümüdür. Genellikle bazı işlemler örnekleri veya parametreleri (genellikle) eşit boyutlu parçalara bölerek parça oluşturur. Böylece her kırık farklı bir makineye atanır.
Bir modeli parçalamaya model paralelliği, verilerin parçalanmasına ise veri paralelliği denir.
özet
TensorFlow'da, belirli bir adımda hesaplanan ve genellikle eğitim sırasında model metriklerini izlemek için kullanılan bir değer veya değer grubu.
T
Tensör
TensorFlow programlarındaki birincil veri yapısıdır. Tensörler, N boyutlu (N boyutu çok büyük olabilir) veri yapılarıdır. Bunlar genellikle skaler, vektör veya matrislerdir. Tensor'ın öğeleri tam sayı, kayan nokta veya dize değerleri içerebilir.
TensorBoard
Bir veya daha fazla TensorFlow programının yürütülmesi sırasında kaydedilen özetleri gösteren kontrol paneli.
TensorFlow
Büyük ölçekli, dağıtılmış bir makine öğrenimi platformu. Bu terim, TensorFlow yığınındaki temel API katmanını da ifade eder. Bu katman, Dataflow grafikleri üzerinde genel hesaplamaları destekler.
TensorFlow öncelikli olarak makine öğrenimi için kullanılıyor olsa da TensorFlow'u, veri akışı grafikleri kullanarak sayısal hesaplama gerektiren makine öğrenimi dışı görevler için de kullanabilirsiniz.
TensorFlow Oyun Alanı
Farklı hiperparametrelerin model (esasen nöral ağ) eğitimini nasıl etkilediğini görselleştiren bir program. TensorFlow Playground ile deneme yapmak için http://playground.tensorflow.org adresine gidin.
TensorFlow Sunumu
Eğitimli modelleri üretimde dağıtmak için kullanılan bir platform.
Tensor İşleme Birimi (TPU)
Makine öğrenimi iş yüklerinin performansını optimize eden, uygulamaya özel bir entegre devre (ASIC). Bu ASIC'ler, TPU cihazda birden fazla TPU çipi olarak dağıtılır.
Tensor sıralaması
sıralama (Tensör) bölümünü inceleyin.
Tensör şekli
Bir Tensör'ün çeşitli boyutlarda içerdiği öğe sayısı.
Örneğin, bir [5, 10] tensörünün şekli bir boyutta 5, diğerinde 10'dur.
Tensör boyutu
Bir Tensör'ün içerdiği skalerlerin toplam sayısı. Örneğin, [5, 10] Tensor'ın boyutu 50'dir.
tf.Example
Makine öğrenimi modeli eğitimi veya çıkarımı için giriş verilerini açıklamak amacıyla kullanılan standart bir protokol arabelleği.
tf.keras
TensorFlow'a entegre edilmiş Keras uygulaması.
TPU
Tensor Processing Unit (Tensor İşleme Birimi) kısaltması.
TPU çipi
Makine öğrenimi iş yükleri için optimize edilmiş, çip üzerinde yüksek bant genişliğine sahip programlanabilir doğrusal cebir hızlandırıcısı. TPU cihaza birden fazla TPU çipi dağıtılır.
TPU cihazı
Birden fazla TPU çipine, yüksek bant genişliğine sahip ağ arayüzlerine ve sistem soğutma donanımına sahip bir basılı devre kartı (PCB).
TPU ana sistemi
Verileri, sonuçları, programları, performansı ve sistem sağlık bilgilerini TPU çalışanlarına gönderip alan bir ana makine üzerinde çalışan merkezi koordinasyon süreci. TPU ana hesabı, TPU cihazların kurulum ve kapatma işlemlerini de yönetir.
TPU düğümü
Google Cloud'da belirli bir TPU türüne sahip TPU kaynağı. TPU düğümü, VPC Ağınıza bir eş VPC ağından bağlanır. TPU düğümleri, Cloud TPU API'de tanımlanan bir kaynaktır.
TPU Kapsülü
Bir Google veri merkezindeki TPU cihazların belirli bir yapılandırması. TPU Kapsülündeki tüm cihazlar özel yüksek hızlı ağ üzerinden birbirine bağlıdır. TPU Kapsül, belirli bir TPU sürümü için kullanılabilen en büyük TPU cihaz yapılandırmasıdır.
TPU kaynağı
Google Cloud'da oluşturduğunuz, yönettiğiniz veya tükettiğiniz bir TPU varlığıdır. Örneğin, TPU düğümleri ve TPU türleri TPU kaynaklarıdır.
TPU dilimi
TPU dilimi, TPU Kapsülü'ndeki TPU cihazlarının kısmi bir parçasıdır. TPU diliminin içerdiği tüm cihazlar, özel bir yüksek hızlı ağ üzerinden birbirine bağlıdır.
TPU türü
Belirli bir TPU donanım sürümüne sahip bir veya daha fazla TPU cihazının yapılandırması. Google Cloud'da TPU düğümü oluştururken bir TPU türü seçersiniz. Örneğin, v2-8 TPU türü, 8 çekirdekli tek bir TPU v2 cihazıdır. v3-2048 TPU türünde 256 ağa bağlı TPU v3 cihaz ve toplam 2.048 çekirdek bulunur. TPU türleri, Cloud TPU API'de tanımlanan bir kaynaktır.
TPU çalışanı
Bir ana makinede çalışan ve TPU cihazlarda makine öğrenimi programları yürüten bir süreçtir.