مسرد مصطلحات التعلم الآلي: TensorFlow

تحتوي هذه الصفحة على عبارات مسرد المصطلحات من TensorFlow للاطّلاع على كل عبارات مسرد المصطلحات، انقر هنا.

ب

استنتاج مجمّع

#TensorFlow
#GoogleCloud

عملية استنتاج عبارات البحث المقترَحة على أمثلة غير مصنّفة مقسّمة إلى مجموعات فرعية أصغر ("مجموعات").

يمكن أن نستفيد من الاستنتاجات المجمّعة في الميزات المتوازية لشرائح التسارع. وهذا يعني أنّ العديد من مسرِّعات الأعمال يمكن أن تستنتج التوقعات في الوقت نفسه على دفعات مختلفة من الأمثلة غير المصنّفة، ما يؤدي إلى زيادة كبيرة في عدد الاستنتاجات في الثانية.

ج

Cloud TPU

#TensorFlow
#GoogleCloud

مسرِّع أجهزة متخصّص ومصمَّم لزيادة سرعة أعباء تعلُّم الآلة على Google Cloud Platform

د

Dataset API (tf.data)

#TensorFlow

واجهة برمجة تطبيقات TensorFlow عالية المستوى لقراءة البيانات وتحويلها إلى نموذج تتطلبه خوارزمية تعلُّم الآلة يمثل الكائن tf.data.Dataset تسلسلاً من العناصر، التي يحتوي كل عنصر عليها على أجهزة استشعار واحدة أو أكثر. ويوفّر الكائن tf.data.Iterator إمكانية الوصول إلى عناصر Dataset.

للتعرُّف على تفاصيل عن Dataset API، يُرجى الاطّلاع على tf.data: إنشاء مسارات إدخال TensorFlow في دليل برنامج TensorFlow.

جهاز واحد

#TensorFlow
#GoogleCloud

عبارة التحميل الزائد مع التعريفات التالية:

  1. فئة من الأجهزة التي يمكنها تشغيل جلسة TensorFlow، بما في ذلك وحدات المعالجة المركزية (CPU) ووحدات معالجة الرسومات ووحدات معالجة الجهاز
  2. عند تدريب نموذج تعلُّم الآلة على شرائح برنامج Accelerator (وحدات معالجة الرسومات أو وحدات معالجة المنتج)، هي جزء من النظام الذي يعالج فعليًا المساتِم والتضمينات. يعمل الجهاز على شرائح مسرِّعة الأعمال. وفي المقابل، يعمل المضيف عادةً على وحدة معالجة مركزية (CPU).

E

التنفيذ الحريص

#TensorFlow

بيئة برمجة TensorFlow يتم فيها تنفيذ العمليات على الفور. في المقابل، لا يتم تنفيذ العمليات التي يُطلق عليها اسم تنفيذ الرسم البياني إلا بعد تقييمها بشكل صريح. إنّ التنفيذ السريع هو واجهة إلزامية، وتشبه إلى حد كبير الرمز البرمجي في معظم لغات البرمجة. إنّ برامج التنفيذ المشوّقة أسهل بشكل عام في تصحيح الأخطاء مقارنةً ببرامج تنفيذ الرسومات البيانية.

مقدِّر

#TensorFlow

واجهة برمجة تطبيقات TensorFlow متوقّفة نهائيًا. استخدم tf.keras بدلاً من المقدِّرين.

ج

هندسة الميزات

#fundamentals
#TensorFlow

عملية تتضمّن الخطوات التالية:

  1. تحديد الميزات التي قد تكون مفيدة في تدريب النموذج
  2. تحويل البيانات الأولية من مجموعة البيانات إلى إصدارات فعالة من تلك الميزات

على سبيل المثال، يمكنك تحديد أن temperature هي ميزة مفيدة. بعد ذلك، يمكنك تجربة مجموعات البيانات لتحسين ما يمكن أن يتعلّمه النموذج من نطاقات temperature مختلفة.

ويُطلق على ميزة "هندسة الميزات" في بعض الأحيان اسم استخراج الميزات.

مواصفات الميزة

#TensorFlow

يصف المعلومات المطلوبة لاستخراج بيانات الميزات من المخزن المؤقت للبروتوكول tf.Example. بما أنّ المخزّن المؤقت للبروتوكول tf.Example هو حاوية للبيانات، يجب تحديد ما يلي:

  • البيانات المطلوب استخراجها (أي مفاتيح الميزات)
  • نوع البيانات (مثلاً، عدد عائم أو عدد صحيح)
  • الطول (ثابت أو متغيّر)

G

رسم بياني

#TensorFlow

في TensorFlow، هي مواصفات حسابية. العُقد في الرسم البياني تمثل العمليات. ويتم توجيه الحواف ويمثّل تمرير نتيجة عملية (Tensor) كمعامل تشغيل. استخدِم لوحة TensorBoard لعرض رسم بياني.

تنفيذ الرسم البياني

#TensorFlow

بيئة برمجة TensorFlow يُنشئ فيها البرنامج أولاً رسمًا بيانيًا، وينفّذ بعد ذلك كل هذا الرسم البياني أو جزءًا منه. تنفيذ الرسم البياني هو وضع التنفيذ التلقائي في TensorFlow 1.x.

التباين مع التنفيذ المشوّق

H

مضيف

#TensorFlow
#GoogleCloud

عند تدريب نموذج تعلُّم الآلة على شرائح برنامج Accelerator (وحدات GPU أو وحدات TPU) وهي جزء من النظام الذي يتحكّم في ما يلي:

  • التدفق الإجمالي للرمز.
  • استخراج مسار الإدخال وتحويله

يعمل المضيف عادةً على وحدة معالجة مركزية (CPU) وليس على شريحة Accelerator، لأنّ الجهاز يعالج برامج Tenors على شرائح برنامج Accelerator.

L

واجهة برمجة تطبيقات الطبقات (tf.layers)

#TensorFlow

واجهة برمجة تطبيقات TensorFlow لإنشاء شبكة عصبونية معمقة تتألف من طبقات متعددة. تتيح لك واجهة برمجة التطبيقات الطبقات إمكانية إنشاء أنواع مختلفة من الطبقات، مثل:

تتبع واجهة برمجة التطبيقات الطبقات واجهة برمجة تطبيقات Keras. وهذا يعني أنه بالإضافة إلى البادئة المختلفة، جميع الدوال في واجهة برمجة تطبيقات الطبقات لها توقيعات وتوقيعات مماثلة لها في واجهة برمجة تطبيقات Keras الطبقات.

ن

شبكة متداخلة

#TensorFlow
#GoogleCloud

في البرمجة الموازية بالتعلّم الآلي، هي عبارة مرتبطة بإسناد البيانات والنموذج إلى شرائح وحدة معالجة الموتّرات، وتحديد طريقة تقسيم هذه القيم أو نسخها.

Mesh هي عبارة عن عبارة التحميل الزائد التي قد تعني أيًا مما يلي:

  • تنسيق شرائح TPU.
  • بنية منطقية مجرّدة لربط البيانات والنموذج إلى شرائح TPU

وفي كلتا الحالتين، يتم تحديد الشبكة المتداخلة على أنّها شكل.

المقياس

#TensorFlow

إحصاءات مثيرة للاهتمام.

الهدف هو مقياس يحاول نظام تعلُّم الآلة تحسينه.

N

عقدة (رسم بياني من TensorFlow)

#TensorFlow

عملية في الرسم البياني في TensorFlow

O

عملية (تشغيل)

#TensorFlow

في TensorFlow، أي إجراء يؤدي إلى إنشاء أداة Tensor أو التلاعب بها أو محوها. على سبيل المثال، ضرب المصفوفة هو عملية تستغرق مُحدِّدَين Tensor كإدخال وتنشئ Tensor واحدة كناتج.

P

خادم المعلّمة (PS)

#TensorFlow

مهمة تعمل على تتبُّع معلّمات النموذج في إعداد موزّع.

Q

قائمة المحتوى التالي

#TensorFlow

عملية TensorFlow تُطبّق بنية بيانات قائمة الانتظار يُستخدم عادةً في مؤتمر I/O.

R

الترتيب (لوحة Tensor)

#TensorFlow

عدد السمات في أداة الاستشعار على سبيل المثال، المقياس العادي هو الترتيب 0، والمتّجه يحمل الترتيب 1، والمصفوفة هي الترتيب 2.

يجب عدم الخلط بينه وبين الترتيب (الرقم العادي).

الدليل الجذري

#TensorFlow

الدليل الذي تحدّده لاستضافة الأدلة الفرعية لملفات TensorFlow وأحداث الأحداث في نماذج متعدّدة

ح

تم حفظ النموذج

#TensorFlow

التنسيق المُقترَح لحفظ نماذج TensorFlow واستردادها. SaveModel هو تنسيق تسلسلي محايد وقابل للاسترداد يمكن من خلاله تفعيل الأنظمة والأدوات ذات المستوى الأعلى في إنشاء نماذج TensorFlow واستخدامها وتحويلها.

يمكنك الاطّلاع على فصل الحفظ والاستعادة في "دليل برمجة TensorFlow" للحصول على التفاصيل الكاملة.

موفّر

#TensorFlow

كائن TensorFlow هو المسؤول عن حفظ نقاط فحص النموذج.

قَطْعَة

#TensorFlow
#GoogleCloud

قسم منطقي لمجموعة التدريب أو النموذج. عادةً ما تنشئ بعض العمليات أجزاءً من خلال قسمة الأمثلة أو المعلّمات إلى أجزاء بحجم متساوٍ (عادةً). وبعد ذلك، يتم تخصيص كل جزء إلى جهاز مختلف.

ويُسمّى تقسيم النموذج موازاة النموذج، ويُعرف البيانات المقسّمة باسم توازي البيانات.

ملخّص

#TensorFlow

في TensorFlow، تُستخدم قيمة أو مجموعة من القيم المحسوبة عند خطوة معيّنة، وعادةً ما يتم استخدامها لتتبّع مقاييس النموذج أثناء التدريب.

T

Tensor

#TensorFlow

بنية البيانات الأساسية في برامج TensorFlow Tensor هي أبعاد على شكل N (حيث يمكن أن يكون N كبيرًا جدًا) وهي عبارة عن كميات غالبًا أو قيم متّجهة أو مصفوفات. يمكن لعناصر Tensor أن تحتفظ بعدد صحيح أو نقطة عائمة أو قيم لسلسلة.

لوحة TensorBoard

#TensorFlow

لوحة البيانات التي تعرض الملخّصات المحفوظة أثناء تنفيذ برنامج واحد أو أكثر من برامج TensorFlow

TensorFlow

#TensorFlow

منصة تعلُّم الآلة موزّعة على نطاق واسع. ويشير المصطلح أيضًا إلى طبقة واجهة برمجة التطبيقات الأساسية في حزمة TensorFlow التي تتيح الحوسبة العامة على الرسومات البيانية لتدفق البيانات.

على الرغم من أنّ TensorFlow يُستخدم بشكل أساسي لتعلُّم الآلة، يمكنك أيضًا استخدام TensorFlow للمهام التي لا تعتمد على تعلُّم الآلة والتي تتطلب حسابًا رقميًا باستخدام الرسوم البيانية لتدفق البيانات.

ملعب TensorFlow

#TensorFlow

برنامج يعرض تمثيلاً بصريًا لمدى تأثير المتغيّرات الفائقة في التدريب على النموذج (الشبكة العصبونية بشكلٍ أساسي). انتقِل إلى http://playground.zenorflow.org لتجربة لعبة TensorFlow Playground.

عرض TensorFlow

#TensorFlow

هي منصة لنشر النماذج المدرَّبة في مرحلة الإنتاج.

وحدة معالجة Tensor (TPU)

#TensorFlow
#GoogleCloud

دائرة متكاملة للتطبيقات (ASIC) تعمل على تحسين أداء أعباء العمل على تعلُّم الآلة يتم نشر رموز ASIC هذه في شكل شرائح TPU متعددة على جهاز TPU.

ترتيب Tensor

#TensorFlow

اطّلِع على الترتيب (Tensor).

شكل Tensor

#TensorFlow

عدد العناصر التي تتضمّنها أداة الاستشعار بأبعاد مختلفة على سبيل المثال، شكل Tensor هو شكل 5 في بُعد و10 في بُعد آخر.

حجم Tensor

#TensorFlow

إجمالي عدد الكميات القياسية التي يتضمنها جهاز الاستشعار. على سبيل المثال، يبلغ حجم [5، 10] Tensor 50.

مثال:

#TensorFlow

مخزن مؤقت للبروتوكول لوصف بيانات الإدخال لتدريب نموذج تعلُّم الآلة أو استنتاج

tf.keras

#TensorFlow

تنفيذ Keras في TensorFlow

وحدة معالجة الموتّرات

#TensorFlow
#GoogleCloud

اختصار وحدة معالجة المستشعرات.

شريحة TPU

#TensorFlow
#GoogleCloud

مسرِّع الجبر الخطي القابل للبرمجة مع ذاكرة عالية معدل نقل البيانات على الرقاقة المحسَّنة لأعباء تعلُّم الآلة. تم نشر شرائح TPU متعددة على جهاز TPU.

جهاز TPU

#TensorFlow
#GoogleCloud

لوحة دارة مطبوعة (PCB) تتضمن شرائح TPU متعددة، وواجهات شبكة ذات معدل نقل بيانات مرتفع، وأجهزة تبريد النظام.

وحدة معالجة الموتّرات الرئيسية

#TensorFlow
#GoogleCloud

عملية التنسيق المركزية التي يتم تشغيلها على جهاز مضيف وترسل وتتلقّى البيانات والنتائج والبرامج والأداء وصحة النظام إلى عاملي وحدة معالجة الموتّرات. يدير مسؤول وحدة معالجة الموتّرات أيضًا إعداد أجهزة TPU وإيقافها.

عقدة TPU

#TensorFlow
#GoogleCloud

مورِّد TPU على Google Cloud Platform يستخدِم نوع TPU محدّدًا. تتصل عقدة TPU مع شبكة VPC من شبكة VPC مماثلة. عُقد TPU هي مورد محدَّد في Cloud TPU API.

مجموعة TPU

#TensorFlow
#GoogleCloud

إعداد محدد لأجهزة TPU في مركز بيانات Google كل الأجهزة في مجموعة وحدات معالجة الموتّرات متصلة ببعضها البعض عبر شبكة مخصّصة عالية السرعة. أكبر مجموعة من وحدات معالجة الموتّرات في الهواء الطلق هي أجهزة TPU المتاحة لإصدار محدّد من وحدة معالجة الموتّرات.

مورد وحدة معالجة الموتّرات

#TensorFlow
#GoogleCloud

كيان TPU على Google Cloud Platform تنشئه أو تديره أو تستهلكه. على سبيل المثال، عُقد TPU وأنواع وحدة معالجة الموتّرات هي موارد وحدة معالجة الموتّرات.

شريحة TPU

#TensorFlow
#GoogleCloud

شريحة TPU هي جزء كسور من أجهزة TPU في وحدة معالجة مخزّنة من وحدة معالجة البيانات. تكون جميع الأجهزة في شريحة TPU متصلة ببعضها من خلال شبكة مخصّصة عالية السرعة.

نوع وحدة معالجة الموتّرات

#TensorFlow
#GoogleCloud

إعداد جهاز TPU واحد أو أكثر بإصدار محدّد من أجهزة TPU تختار نوع TPU عند إنشاء عقدة TPU على Google Cloud Platform. على سبيل المثال، نوع v2-8TPU هو جهاز واحد يعمل بوحدات TPU من 8 نوى. يحتوي نوع وحدة معالجة الموتّرات v3-2048 على 256 جهازًا يتضمّن شبكة TPU من الإصدار 256 ووحدة معالجة مركزية بها 2048 نواة. أنواع TPU هي مورد محدّد في Cloud TPU API.

عامل TPU

#TensorFlow
#GoogleCloud

يتم تنفيذ هذه العملية على جهاز مضيف وتنفِّذ برامج تعلُّم الآلة على أجهزة TPU.