TensorFlow

TensorFlow
Datos básicos
desarrollador	Equipo de Google Brain
Año de publicación	9 de noviembre de 2015
Versión actual	2.4.1 ( 21 de enero de 2021 )
sistema operativo	Microsoft Windows , Linux , macOS , iOS , Android
lenguaje de programación	C ++ , Python
categoría	Biblioteca de programas de código abierto para inteligencia artificial
Licencia	Licencia de Apache, versión 2.0
www.tensorflow.org

TensorFlow es un marco para la programación orientada al flujo de datos . TensorFlow se usa popularmente en el área del aprendizaje automático . El nombre TensorFlow proviene de operaciones aritméticas que se llevan a cabo mediante redes neuronales artificiales en campos de datos multidimensionales , los llamados tensores .

TensorFlow fue desarrollado originalmente por el equipo de Google Brain para las necesidades internas de Google y lanzado en 2017 bajo la licencia de código abierto Apache 2.0 .

ejemplo

En investigación y producción , TensorFlow se utiliza actualmente en productos comerciales de Google , como reconocimiento de voz , Gmail , Google Photos y Búsqueda de Google . El servicio de mapas Maps se mejora al analizar las fotos de los letreros de las calles tomadas por Street View , que se analizan con la ayuda de una red neuronal basada en TensorFlow . Muchos de estos productos utilizaban el software anterior DistBelief.

En TensorFlow, las operaciones matemáticas se representan en forma de gráfico . El gráfico representa la secuencia secuencial de todas las operaciones que realizará TensorFlow. El siguiente ejemplo muestra la funcionalidad básica con Python :

Primero se carga la biblioteca de TensorFlow .

# TensorFlow laden
import tensorflow as tf

Luego , se define la sesión bajo la cual TensorFlow evalúa las operaciones matemáticas.

# TensorFlow Session definieren
sess = tf.Session()

Se definen dos constantes, xey, que se multiplican juntas.

# Zwei Konstanten im "8-bit signed integer"-Format
x = tf.constant(3, dtype=tf.int8)
y = tf.constant(2, dtype=tf.int8)

# Eine Multiplikation
z = tf.multiply(x, y)

Para determinar el resultado, la gráfica se ejecuta en el punto z.

# Ausführung
sess.run(z)
6

Unidad de procesamiento de tensor (TPU)

Por Google, eran unidades de procesamiento de tensor , es decir, chips específicos de la aplicación diseñados para hacer que el aprendizaje automático sea compatible o acelerado. Con este hardware especial, los algoritmos de la biblioteca de programas de TensorFlow se procesan de manera particularmente rápida y eficiente.

Lanzamientos de TensorFlow

1.4: Keras

Desde el lanzamiento de 1.4 es TensorFlow Keras, un código abierto - Profundo-aprendizaje biblioteca, escrito en Python , que forma parte de la API Tensorflow Core. Sin embargo, Keras seguirá utilizándose como una biblioteca independiente porque, según su desarrollador François Chollet, no está pensada como la única interfaz para Tensorflow, sino como una interfaz para muchos marcos.

1.5: TensorFlow Lite

A partir de la versión TensorFlow 1.5, el ciclo de vida de los modelos se admite de forma diferenciada. Por un lado se puede determinar importando tensorflow.contrib.eagercon enable_eager_execution()turno un modo que se vende en el shell de Python ejecuta instrucciones directamente en el TensorFlow sin una sesión. Para que pueda desarrollarse de forma interactiva. Por otro lado, también se suministra TensorFlow Lite, una versión delgada con la que los modelos no se pueden entrenar, solo ejecutar. Al igual que TensorFlow Mobile, está especialmente diseñado para dispositivos móviles . Las API para usar TensorFlow con los lenguajes de programación Java , C y Go también son principalmente adecuadas para ejecutar modelos .

2.0: TensorFlow 2.0

Con la versión 2.0 de TensorFlow lanzada el 30 de septiembre de 2019, la API se limpió y expandió. En particular, la interfaz de Keras se ha convertido en la nueva API estándar para modelar modelos de aprendizaje profundo. Se han ampliado las funciones individuales; TensorFlow 2 ahora guarda modelos, incluidos pesos y cálculos, lo que simplifica significativamente la transferencia.

Lenguajes de programación compatibles

TensorFlow se usa desde los programas de Python y se implementa en Python y C ++ . Es compatible con los lenguajes de programación Python, C , C ++, Go , Java , JavaScript y Swift . Existen otras bibliotecas de terceros para los lenguajes C # , Haskell , Julia , R , Scala , Rust , OCaml y Crystal .

literatura

• Tom Hope, Yehezkel S. Resheff, Itay Lieder: Introducción a TensorFlow: programación, capacitación, escalado e implementación de sistemas de aprendizaje profundo . Ed.: O'Reilly. 1ª edición. mitp, 2018, ISBN 978-3-96009-074-8 . 
• Rezaul Karim: TensorFlow: análisis predictivo potente con TensorFlow . Packt, 2018, ISBN 978-1-78913-691-3 (inglés, vista previa limitada en la Búsqueda de libros de Google). 
• Matthieu Deru, Alassane Ndiaye: aprendizaje profundo con TensorFlow, Keras y TensorFlow.js . 2ª Edición. Rheinwerk Verlag, 2020, ISBN 978-3-8362-7425-8 . 

enlaces web

• Sitio web de TensorFlow
• TensorFlow en GitHub
• Comience con las API de alto nivel de TensorFlow (Google I / O '18) en YouTube - 40min-Quickstart-Talk (inglés) a partir del 9 de mayo de 2018
• Tutoriales breves en video en el canal oficial de YouTube en YouTube
• Artículo de blog sobre la introducción a TensorFlow (alemán)
• Aprenda de los expertos en aprendizaje automático de Google. En: ai.google. Consultado el 19 de octubre de 2018 . 

Evidencia individual