• ورود
  • هیچ محصولی در سبد خرید نیست.

کتابخانه TensorFlow

چرا TensorFlow

TensorFlow یا به اختصار tf یک کتابخانه نرم افزار open source است. کتابخانه ای مناسب برای محاسبات عددی با کارایی بالا است. معماری انعطاف پذیر این کتابخانه امکان اجرای آن روی انواع سیستم عامل ها مثل (CPU, GPU, TPU ) از دسکتاپ تا سرورهای خوشه ای موبایل فراهم می کند.

تاریخچه TensorFlow

TensorFlow در ابتدا توسط توسعه دهندگان و مهندسان تیم Google Brain در سازمان هوش مصنوعی Google به وجود آمد. این کتابخانه یک پشتیبانی بسیار قوی برای یادگیری ماشین و یادگیری عمیق است . و هسته محاسبات عددی در دامنه گسترده ای از حوزه های علمی مختلف استفاده می شود.

نحوه نصب TensorFlow

برای نصب این کتابخانه می توانید با این صفحه مراجعه کنید.

کاربرد tf

برای مثال کاربران Google میتوانند جستجوی سریع و بهتر با هوش مصنوعی را تجربه کنند. اگر کابر یک کلمه را در نوار جستجو بنویسد Google کلمه بعدی را حدس می زند. گول قصد دارد برای استفاده بهتر از داده های گسترده خود در یادگیری ماشین، بهترین تجربه را به کابران خود رائه دهد.

مثال های کاربردی tf:

Google تلاش می کند با استفاده از TensorFlow خدمات خود را بهبود ببخشد. مثلا:

Gmail

Photos

موتور جستجوی Google

معماری کتابخانه TensorFlow

این معماری در سه بخش کار می کند:

  • پردازش داده ها
  • ساختن مدل
  • آموزش و برآورد مدل

دلیل اینکه به این کتابخانه TensorFlowمی گویند این است که ورودی را به صورت یک آرایه چند بعدی می گیرد و به آن Tensorنیز می گویند.

می توانید یک نمودار (گراف) از عملیات ها ایجاد کنید که عملیاتی را روی ورودی ها انجام می دهد.

ورودی ها از یک سمت وارد می شوند و در جریانی(Flow) از عملیات ها قرار می گیرد و در نهایت از سمت دیگر خروجی بیرون می آید.

دلیل نام گذاری همین است Tensor وارد می شود و در جریانی (Flow) از عملیات ها قرار می گیرد.

محیط اجرای کتابخانه TensorFlow

  • قابل اجرا درLinux و Windows , macOS
  • Cloud as a web service
  • در موبایل مثل iOS و اندروید

لیست الگوریتم هایی که با کتابخانه TensorFlow پشتیبانی می شوند:

  • Linear regression
  • طبقه بندی
  • یادگیری عمیق
  • مدل جنگل تصادفی

tf

مزایای tf :

  • تجسم بهتر نمودارهای محاسباتی در مقایسه با سایر کتابانه ها.
  • چون گوگل از این کتابخانه استفاده می کند. به طور مکرر پشتیبانی و به روز رسانی می شود.
  • برای پشتیبانی از back-end های متفاوت نرم افزار ها و همچنین سطح بالای موازی سازی طراحی شده است.
  • عملکرد بالا
  • پشتیبانی عالی

معایب tf:

  • عدم پشتیبانی از ویندوز اما میتوان در ویندوز با conda از این کتابخانه استفاده کرد.
  • عدم پشتیبانی از OpenCL.
  • به دلیل ساختار منحصر به فردی که دارد اشکال زدایی بسیار دشوار است.
  • در مقایسه با رقبای خود از سرعت و کارایی کمتری برخوردار است.

کتابخانه PyTorch

کتابخانه Keras

دیگر کتابخانه های پایتون

مطالعه بیشتر

تیر ۲۱, ۱۳۹۹
0 0 vote
Article Rating
Subscribe
Notify of
guest
1 دیدگاه
Oldest
Newest Most Voted
Inline Feedbacks
View all comments
ورژن 4 طراحی شده با ❤