යන්ත්‍ර ඉගෙනුම් පද්ධතිය TensorFlow 2.0 නිකුත් කිරීම

විසින් ඉදිරිපත් කරන ලදී යන්ත්‍ර ඉගෙනුම් වේදිකාව සැලකිය යුතු ලෙස නිකුත් කිරීම ටෙන්සර්ෆ්ලෝ 2.0, විවිධ ගැඹුරු යන්ත්‍ර ඉගෙනීමේ ඇල්ගොරිතමවල සූදානම්ව ක්‍රියාත්මක කිරීම, පයිතන් හි ආකෘති තැනීම සඳහා සරල ක්‍රමලේඛන අතුරු මුහුණතක් සහ පරිගණක ප්‍රස්ථාර ඉදිකිරීම සහ ක්‍රියාත්මක කිරීම පාලනය කිරීමට ඔබට ඉඩ සලසන C++ භාෂාව සඳහා පහත් මට්ටමේ අතුරු මුහුණතක් සපයයි. පද්ධති කේතය C++ සහ Python සහ ලියා ඇත විසින් බෙදා හරිනු ලැබේ Apache බලපත්‍රය යටතේ.

මෙම වේදිකාව මුලින්ම Google Brain කණ්ඩායම විසින් සංවර්ධනය කරන ලද අතර Google සේවාවන්හි කථන හඳුනාගැනීම, ඡායාරූපවල මුහුණු හඳුනාගැනීම, පින්තූරවල සමානකම් නිර්ණය කිරීම, Gmail හි අයාචිත තැපැල් පෙරීම, තෝරා ගැනීම Google News හි ප්‍රවෘත්ති සහ අර්ථය සැලකිල්ලට ගනිමින් පරිවර්තනය සංවිධානය කිරීම. බහු CPU හෝ GPU හරහා ගණනය කිරීම් බෙදා හැරීම සඳහා TensorFlow හි අන්තර්ගත සහායට ස්තූතිවන්ත වන පරිදි බෙදා හරින ලද යන්ත්‍ර ඉගෙනුම් පද්ධති සම්මත දෘඪාංග මත නිර්මාණය කළ හැක.

TensorFlow දත්ත ප්‍රවාහ ප්‍රස්ථාර හරහා ක්‍රියාත්මක කරන ලද සූදානම් කළ සංඛ්‍යාත්මක ගණනය කිරීමේ ඇල්ගොරිතම පුස්තකාලයක් සපයයි. එවැනි ප්‍රස්ථාරවල නෝඩ් ගණිතමය මෙහෙයුම් හෝ ආදාන/ප්‍රතිදාන ලක්ෂ්‍ය ක්‍රියාත්මක කරන අතර ප්‍රස්ථාරයේ දාර නෝඩ් අතර ගලා යන බහුමාන දත්ත අරා (ටෙන්සර්) නියෝජනය කරයි.
නෝඩ් පරිගණක උපාංගවලට පැවරිය හැකි අතර අසමමුහුර්තව ක්‍රියාත්මක කළ හැකි අතර, ඒවාට සුදුසු සියලුම නිබන්ධන එකවර සමාන්තරව සැකසීමෙන්, මොළයේ නියුරෝන එකවර සක්‍රීය කිරීම හා සැසඳීමෙන් ස්නායුක ජාලයක නෝඩ් වල එකවර ක්‍රියාකාරිත්වය සංවිධානය කිරීමට හැකි වේ.

නව අනුවාදය සකස් කිරීමේදී ප්රධාන අවධානය යොමු වූයේ සරල කිරීම සහ භාවිතයේ පහසුව මතය. සමහරු නවෝත්පාදන:

• ආකෘති ගොඩනැගීම සහ පුහුණු කිරීම සඳහා නව ඉහළ මට්ටමේ API එකක් යෝජනා කර ඇත කෙරස්, ගොඩනැගීමේ ආකෘති (අනුක්‍රමික, ක්‍රියාකාරී, උප වර්ගීකරණය) සඳහා අතුරු මුහුණත් විකල්ප කිහිපයක් සපයයි වහාම ක්රියාත්මක කිරීම (පෙර සම්පාදනයකින් තොරව) සහ සරල නිදොස් කිරීමේ යාන්ත්‍රණයක් සමඟ;
• API එකතු කරන ලදී tf.distribute.Strategy සංවිධානය සඳහා බෙදාහැරීමේ ඉගෙනීම පවතින කේතයට අවම වෙනස්කම් සහිත ආකෘති. හරහා ගණනය කිරීම් පැතිරීමේ හැකියාවට අමතරව බහු GPU, ඉගෙනුම් ක්‍රියාවලිය ස්වාධීන ප්‍රොසෙසර කිහිපයකට බෙදීම සහ වලාකුළු භාවිතා කිරීමේ හැකියාව සඳහා පර්යේෂණාත්මක සහාය ලබා ගත හැකිය TPU (ටෙන්සර් සැකසුම් ඒකකය);
• tf.Session හරහා ක්‍රියාත්මක කිරීම සහිත ප්‍රස්ථාරයක් තැනීමේ ප්‍රකාශන ආකෘතියක් වෙනුවට, Python හි සාමාන්‍ය ශ්‍රිතයන් ලිවිය හැකි අතර, tf.function වෙත ඇමතුමක් භාවිතා කරමින්, ප්‍රස්ථාර බවට පරිවර්තනය කර දුරස්ථව ක්‍රියාත්මක කිරීම, අනුක්‍රමික කිරීම හෝ ප්‍රශස්ත කිරීම කළ හැක. වැඩිදියුණු කළ කාර්ය සාධනය සඳහා;
• පරිවර්තකය එකතු කරන ලදී ස්වයං ප්‍රස්තාරය, tf.function-decorated, tf.data, tf.distribute, සහ tf.keras ශ්‍රිතයන් තුළ පයිතන් කේතය භාවිතා කිරීමට ඉඩ සලසමින්, Python විධාන ප්‍රවාහයක් TensorFlow ප්‍රකාශන බවට පරිවර්තනය කරයි;
• SavedModel ආකෘති හුවමාරු ආකෘතිය ඒකාබද්ධ කරන අතර ආකෘති තත්වයන් සුරැකීමට සහ ප්‍රතිසාධනය කිරීමට සහය එක් කරයි. TensorFlow සඳහා සම්පාදනය කරන ලද ආකෘති දැන් භාවිතා කළ හැක ටෙන්සර් ෆ්ලෝ ලයිට් (ජංගම උපාංග මත), TensorFlow JS (බ්‍රවුසරයේ හෝ Node.js හි), TensorFlow සේවය и TensorFlow Hub;
• tf.train.Optimizers සහ tf.keras.Optimizers API එකමුතු කර ඇත, compute_gradients වෙනුවට, ශ්‍රේණි ගණනය කිරීම සඳහා නව පන්තියක් යෝජනා කර ඇත Gradient ටේප්;
• GPU භාවිතා කරන විට කාර්ය සාධනය සැලකිය යුතු ලෙස වැඩි විය.
  NVIDIA Volta සහ Turing GPU සහිත පද්ධතිවල ආදර්ශ පුහුණුවේ වේගය තුන් ගුණයක් දක්වා වැඩි වී ඇත;

• කරගෙන ගියා ප්‍රධාන API පිරිසිදු කිරීම, බොහෝ ඇමතුම් නැවත නම් කිරීම හෝ ඉවත් කිරීම, උපකාරක ක්‍රමවල ගෝලීය විචල්‍ය සඳහා සහය නතර විය. tf.app, tf.flags, tf.logging වෙනුවට නව absl-py API එකක් යෝජනා කෙරේ. පැරණි API දිගටම භාවිතා කිරීමට, compat.v1 මොඩියුලය සකස් කර ඇත.

මූලාශ්රය: opennet.ru