Тензорный поток:

Tensorflow — это мощный пакет Python для простой разработки и развертывания в различных приложениях. Современный исследователь использует Tensorflow для своих исследовательских работ. Tensorflow предоставляет красивую экосистему для разработчиков различных потоков. например, разработчики машинного обучения, веб-разработчики, разработчики приложений. Этот пакет использовался на многих языках, таких как разработка Python, разработка JavaScript, разработка Swift и разработка IOS, разработка IOT.

Как начать работу с Tensorflow?

Установка

В настоящее время Tensorflow поддерживает 64-разрядные ОС, Win 7 или более позднюю версию, Ubuntu 16.04 или более позднюю версию, Mac 10.12.6 или более позднюю версию (без поддержки графического процессора). Версия Python, поддерживающая Tensorflow, — версии Python от 3.5 до 3.7.

Установите с помощью диспетчера пакетов pip python в python,

Чтобы получить текущую стабильную установку —pip install tensorflow

Чтобы получить нестабильную последнюю версию tensorflow —pip install tf-nightly

Простой алгоритм нейронной сети:

Итак, уравнение очень простое: y = x*5. Мы будем обучать модель тензорного потока с помощью последовательной модели Keras.

1) Импорт пакетов из Tensorflow, Pandas и Numpy. (Примечание: Игнорирование будущих предупреждений не является обязательным).

2) Определение модели с одним слоем и одним нейроном или персептроном, который является плотным слоем, а единицы параметра говорят, сколько персептронов находится в этом плотном слое. Форма ввода определяет размерность входных данных.

3) Скомпилируйте модель с оптимизатором как SGD — стохастический градиентный спуск, а функцию потерь — как среднеквадратичную ошибку.

4) Теперь наша модель готова, давайте дадим ей обучающие данные. В этом примере я использовал данные из файла CSV.

5) Сопоставьте модель с эпохами 500, после обучения модель сможет предсказать значение Y для нового значения X.

Данные содержат два значения X и Y.

Код программы,

Результат

мы знаем, что результат будет 50, но после обучения наша модель может прогнозировать ближе к 50 (49,81). Таким образом, мы создали нашу нейронную сеть для простого уравнения.

Преимущества пакета Tensorflow:

  1. Простота разработки и развертывания.
  2. Поддержка интеграции для многих языков.
  3. Лучшая производительность для вычисления графа.
  4. Простая отладка и поддержка масштабируемости.

Спасибо за прочтение поста, надеюсь, вам понравилось.