หน้านี้มีคําในอภิธานศัพท์ของ TensorFlow สําหรับอภิธานศัพท์ทั้งหมด คลิกที่นี่
ค
Cloud TPU
ตัวเร่งฮาร์ดแวร์พิเศษที่ออกแบบมาเพื่อเร่งปริมาณงานของแมชชีนเลิร์นนิงใน Google Cloud Platform
D
Dataset API (tf.data)
API ของ TensorFlow ระดับสูงสําหรับอ่านข้อมูลและแปลงเป็นรูปแบบที่อัลกอริทึมของแมชชีนเลิร์นนิงต้องการ
ออบเจ็กต์ tf.data.Dataset แสดงถึงลําดับขององค์ประกอบ ซึ่งแต่ละองค์ประกอบจะมี Tensors อย่างน้อยหนึ่งรายการ ออบเจ็กต์ tf.data.Iterator ให้สิทธิ์เข้าถึงเอลิเมนต์ของ Dataset
โปรดดูรายละเอียดเกี่ยวกับ Dataset API ที่หัวข้อtf.data: Build TensorFlow Input ไปป์ไลน์ ในคู่มือ TensorFlow Programmer'
อุปกรณ์
หมวดหมู่ของฮาร์ดแวร์ที่เรียกใช้เซสชัน TensorFlow ได้ ซึ่งรวมถึง CPU, GPU และ TPU
จ.
การดําเนินการที่กระตือรือร้น
สภาพแวดล้อมการเขียนโปรแกรมของ TensorFlow ที่การดําเนินการทํางานทันที ในทางตรงกันข้าม การดําเนินการในการเรียกใช้กราฟจะไม่ทํางานจนกว่าจะมีการประเมินอย่างชัดแจ้ง การดําเนินการ Eager เป็นอินเทอร์เฟซที่จําเป็น ซึ่งคล้ายกับโค้ดในภาษาโปรแกรมส่วนใหญ่ ซึ่งโดยทั่วไปโปรแกรมการแก้ไขข้อบกพร่องนั้นจะ ง่ายกว่าโปรแกรมประมวลผลกราฟ
เครื่องมือประมาณ
TensorFlow API ที่เลิกใช้งานแล้ว ใช้ tf.keras แทนเครื่องมือประมาณ
ศ
Feature Engineering
กระบวนการที่เกี่ยวข้องตามขั้นตอนต่อไปนี้
- การพิจารณาว่าฟีเจอร์ใดจะเป็นประโยชน์ในการฝึกโมเดล
- การแปลงข้อมูลดิบจากชุดข้อมูลให้เป็นฟีเจอร์ที่มีประสิทธิภาพเวอร์ชันเหล่านั้น
ตัวอย่างเช่น คุณอาจพิจารณาว่า temperature อาจเป็นฟีเจอร์ที่มีประโยชน์ จากนั้นอาจลองใช้ที่เก็บข้อมูลเพื่อเพิ่มประสิทธิภาพสิ่งที่โมเดลเรียนรู้ได้จาก temperature ช่วงต่างๆ
บางครั้งวิศวกรรมฟีเจอร์จะเรียกว่าการแยกฟีเจอร์
ข้อมูลจําเพาะฟีเจอร์
อธิบายข้อมูลที่จําเป็นเพื่อดึงข้อมูลฟีเจอร์ จากบัฟเฟอร์โปรโตคอล tf.Example คุณต้องระบุการบัฟเฟอร์ของโปรโตคอลตัวอย่างเป็นคอนเทนเนอร์สําหรับข้อมูล คุณจึงต้องระบุข้อมูลต่อไปนี้
- ข้อมูลที่จะแยกออกมา (เช่น คีย์สําหรับฟีเจอร์)
- ประเภทข้อมูล (เช่น Float หรือ Int)
- ความยาว (คงที่หรือตัวแปร)
G
กราฟ
ใน TensorFlow ข้อกําหนดเฉพาะของการคํานวณ โหนดในกราฟแสดง การดําเนินการ ขอบจะกํากับไว้และแสดงถึงการส่งผลลัพธ์ ของการดําเนินการ (Tensor) เป็นโอเปอแรนด์ให้กับการดําเนินการอื่น ใช้ TensorBoard เพื่อแสดงภาพกราฟ
การเรียกใช้กราฟ
สภาพแวดล้อมการเขียนโปรแกรมของ TensorFlow ที่โปรแกรมสร้างกราฟก่อน จากนั้นจึงเรียกใช้กราฟทั้งหมดหรือบางส่วน การดําเนินการกราฟเป็นโหมดการดําเนินการเริ่มต้นใน TensorFlow 1.x
ขัดแย้งกับการดําเนินการกระตือรือร้น
L
เลเยอร์ API (tf.layers)
TensorFlow API สําหรับการสร้างโครงข่ายระบบประสาทเทียม Deep เป็นองค์ประกอบของเลเยอร์ เลเยอร์ API ช่วยให้คุณสามารถสร้างเลเยอร์ประเภทต่างๆ เช่น
tf.layers.Denseสําหรับเลเยอร์ที่เชื่อมต่อโดยสมบูรณ์tf.layers.Conv2Dสําหรับเลเยอร์ที่มีการปฏิวัติ
เลเยอร์ API เป็นไปตามรูปแบบ API ของ Keras กล่าวคือ นอกเหนือจากฟังก์ชันนําหน้าต่างๆ แล้ว ฟังก์ชันทั้งหมดใน เลเยอร์ API มีชื่อและลายเซ็นเหมือนกันกับที่ใช้แทนใน Keras เลเยอร์ API
M
เมตริก
สถิติที่คุณสนใจ
วัตถุประสงค์คือเมตริกที่ระบบแมชชีนเลิร์นนิงพยายามเพิ่มประสิทธิภาพ
ไม่ใช่
โหนด (กราฟ TensorFlow)
การดําเนินการในกราฟของ TensorFlow
O
การดําเนินการ (op)
ใน TensorFlow กระบวนการที่สร้าง บิดเบือน หรือทําลาย Tensor เช่น เมทริกซ์คูณคือการดําเนินการที่ใช้ Tensor 2 อินพุตเป็นอินพุตและสร้าง Tensor 1 รายการเป็นเอาต์พุต
P
เซิร์ฟเวอร์พารามิเตอร์ (PS)
งานที่ติดตามพารามิเตอร์ของโมเดลในการตั้งค่าแบบกระจาย
ถ
คิว
การดําเนินการของ TensorFlow ที่ใช้โครงสร้างข้อมูลคิว โดยทั่วไปจะใช้ใน I/O
R
อันดับ (Tensor)
จํานวนมิติข้อมูลใน Tensor เช่น สเกลาร์มีอันดับเป็น 0, เวกเตอร์มีอันดับ 1 และเมทริกซ์มีอันดับ 2
อย่าสับสนกับอันดับ (ธรรมดา)
ไดเรกทอรีราก
ไดเรกทอรีที่คุณระบุสําหรับการโฮสต์ไดเรกทอรีย่อยของจุดตรวจสอบ TensorFlow และไฟล์เหตุการณ์ของโมเดลหลายรายการ
ส
SavedModel
รูปแบบที่แนะนําสําหรับการบันทึกและกู้คืนโมเดล TensorFlow SaveModel เป็นรูปแบบอนุกรมที่กู้คืนได้ในภาษากลางๆ ซึ่งช่วยให้ระบบและเครื่องมือในระดับสูงขึ้นๆ ในการผลิต ใช้งาน และเปลี่ยนรูปแบบ TensorFlow
ดูรายละเอียดทั้งหมดได้ที่ส่วนการบันทึกและคืนค่า ในคู่มือ TensorFlow Programmer's
ประหยัด
ออบเจ็กต์ TensorFlow ที่มีหน้าที่บันทึกจุดตรวจสอบโมเดล
ค่าสรุป
ใน TensorFlow ค่าหรือชุดค่าที่คํานวณด้วยขั้นตอนหนึ่งๆ มักจะใช้สําหรับการติดตามเมตริกโมเดลระหว่างการฝึก
อ
Tensor
โครงสร้างข้อมูลหลักในโปรแกรม TensorFlow Tensor เป็นโครงสร้างข้อมูลแบบ N (ซึ่ง N อาจมีขนาดใหญ่มาก) ซึ่งส่วนใหญ่มักเป็นสเกลาร์ เวกเตอร์ หรือเมทริกซ์ องค์ประกอบของ Tensor อาจมีค่าจํานวนเต็ม จุดลอย หรือสตริงเป็นจํานวนเต็ม
TensorBoard
แดชบอร์ดที่แสดงสรุปที่บันทึกไว้ในระหว่างการใช้งานโปรแกรม TensorFlow อย่างน้อย 1 โปรแกรม
TensorFlow
แพลตฟอร์มแมชชีนเลิร์นนิงขนาดใหญ่ที่มีการกระจายสู่พื้นที่ขนาดใหญ่ คําศัพท์นี้ยังหมายถึงเลเยอร์ API ฐานใน TensorFlow ซึ่งรองรับการคํานวณทั่วไปในกราฟโฟลว์ข้อมูล
แม้ว่า TensorFlow จะใช้สําหรับแมชชีนเลิร์นนิงเป็นหลัก แต่คุณก็อาจใช้ TensorFlow สําหรับงานที่ไม่ใช่ ML ที่ต้องมีการคํานวณตัวเลขโดยใช้กราฟโฟลว์ข้อมูล
TensorFlow Playground
โปรแกรมที่แสดงภาพว่าพารามิเตอร์ไฮเปอร์พารามิเตอร์ต่างๆ ส่งผลต่อการฝึกโมเดล (เครือข่ายประสาทเทียม) อย่างไร ไปที่ http://playground.tensorflow.org เพื่อทดสอบกับ TensorFlow Playground
การแสดงผล TensorFlow
แพลตฟอร์มเพื่อทําให้โมเดลที่ฝึกแล้วใช้งานได้จริง
หน่วยประมวลผล Tensor (TPU)
วงจรรวมเฉพาะแอปพลิเคชัน (ASIC) ที่เพิ่มประสิทธิภาพการทํางานของแมชชีนเลิร์นนิง ASIC เหล่านี้ทําให้ใช้งานได้เป็นชิป GPU หลายตัวในอุปกรณ์ TPU
การจัดอันดับ Tensor
รูปร่าง Tensor
จํานวนองค์ประกอบที่ Tensor ประกอบด้วยมิติข้อมูลต่างๆ เช่น [5, 10] Tensor มีรูปร่าง 5 ใน 1 ส่วนและ 10 เป็นอีกมิติ
ขนาด Tensor
จํานวนสเกลาร์ทั้งหมดที่ Tensor มี เช่น Tensor [5, 10] มีขนาด 50
ตัวอย่าง
บัฟเฟอร์โปรโตคอลมาตรฐานสําหรับอธิบายข้อมูลอินพุตสําหรับการฝึกหรืออนุมานโมเดลของแมชชีนเลิร์นนิง
ทีฟเคอราส
การนํา Keras ผสานรวมกับ TensorFlow
TPU
ตัวย่อของหน่วยประมวลผล Tensor
ชิป TPU
ตัวเร่งพีชคณิตเชิงเส้นแบบตั้งโปรแกรมได้พร้อมหน่วยความจําแบนด์วิดท์สูงชิปที่ได้รับการเพิ่มประสิทธิภาพสําหรับภาระงานของแมชชีนเลิร์นนิง ทําให้ใช้ชิป TPU หลายรายการกับอุปกรณ์ TPU
อุปกรณ์ TPU
แผ่นวงจรพิมพ์ (PCB) ที่มีชิป GPU หลายตัว อินเทอร์เฟซเครือข่ายแบนด์วิดท์สูง และฮาร์ดแวร์ในการทําความเย็น
ต้นแบบ TPU
กระบวนการประสานงานส่วนกลางที่ทํางานบนเครื่องโฮสต์ที่ส่งและรับข้อมูล ผลลัพธ์ โปรแกรม ประสิทธิภาพ และข้อมูลประสิทธิภาพของระบบไปยังผู้ปฏิบัติงาน TPU ต้นแบบ TPU ยังจัดการการตั้งค่าและการปิดอุปกรณ์ TPU ด้วย
โหนด TPU
ทรัพยากร TPU บน Google Cloud Platform ที่มีประเภท TPU เฉพาะ โหนด TPU เชื่อมต่อกับเครือข่าย VPC จากเครือข่าย VPC ที่มีการเชื่อมต่อแบบเพียร์ โหนด TPU คือทรัพยากรที่กําหนดไว้ใน Cloud TPU API
พ็อด TPU
การกําหนดค่าเฉพาะของอุปกรณ์ TPU ในศูนย์ข้อมูล Google อุปกรณ์ทั้งหมดในพ็อด TPU เชื่อมต่อกัน ผ่านเครือข่ายความเร็วสูงโดยเฉพาะ พ็อด TPU เป็นการกําหนดค่าที่ใหญ่ที่สุดของอุปกรณ์ TPU ที่ใช้ได้กับเวอร์ชัน TPU ที่เฉพาะเจาะจง
ทรัพยากร TPU
เอนทิตี TPU ใน Google Cloud Platform ที่คุณสร้าง จัดการ หรือใช้ เช่น โหนด TPU และประเภท TPU เป็นทรัพยากร TPU
ชิ้นส่วน TPU
ชิ้นส่วน TPU เป็นเศษส่วนของอุปกรณ์ TPU ในพ็อด TPU อุปกรณ์ทั้งหมดในชิ้นส่วน TPU เชื่อมต่อเข้าด้วยกันผ่านเครือข่ายความเร็วสูงโดยเฉพาะ
ประเภท TPU
การกําหนดค่าของอุปกรณ์ TPU เวอร์ชันฮาร์ดแวร์ที่เฉพาะเจาะจง
คุณเลือกประเภท TPU ได้เมื่อสร้างโหนด TPU ใน Google Cloud Platform เช่น v2-8
ประเภท TPU เป็นอุปกรณ์ TPU v2 เครื่องเดียวที่มี 8 คอร์ ประเภท TPU v3-2048 เครื่องมีอุปกรณ์ TPU v3 จํานวน 256 เครื่องในเครือข่ายทั้งหมดและทั้งหมด 2048 แกน ประเภท TPU เป็นทรัพยากรที่กําหนดไว้ใน Cloud TPU API
ผู้ปฏิบัติงาน TPU
กระบวนการที่ทํางานในเครื่องโฮสต์และดําเนินการโปรแกรมแมชชีนเลิร์นนิงในอุปกรณ์ TPU