Armanca danasîna derketina banga çapkirinê ji guhêrbarek di TensorFlow de ew e ku agahdariya çapkirî ji bo pêvajoyek bêtir di çarçoveya TensorFlow de were girtin û manîpulekirin. TensorFlow pirtûkxaneyek fêrbûna makîneya çavkaniyek vekirî ye ku ji hêla Google ve hatî pêşve xistin, komek amûr û fonksiyonên berfireh peyda dike da ku modelên fêrbûna makîneyê ava bike û bicîh bike. Daxuyanên çapkirinê yên li TensorFlow dikare ji bo verastkirin, şopandin û têgihîştina tevgera modelê di dema perwerdehiyê an encamnameyê de bikêr be. Lêbelê, derketina rasterast a daxuyaniyên çapkirinê bi gelemperî di konsolê de tê xuyang kirin û bi hêsanî di nav operasyonên TensorFlow de nayê bikar anîn. Bi veqetandina derketina banga çapkirinê ji guhêrbarek re, em dikarin agahdariya çapkirî wekî tensorek TensorFlow an guhêrbarek Python hilînin, ku me dihêle ku em wê têxin nav grafika hesabkirinê û hesab an analîzên din pêk bînin.
Veqetandina derana banga çapkirinê ji guhêrbar re dihêle ku em kapasîteyên hesabkerî yên TensorFlow bikar bînin û agahdariya çapkirî bi rengek bêkêmasî di xebata fêrbûna makîneyê ya berfireh de yek bikin. Mînakî, em dikarin nirxên çapkirî bikar bînin da ku di hundurê modelê de biryar bidin, pîvanên modelê li gorî şert û mercên taybetî nûve bikin, an agahdariya çapkirî bi karanîna amûrên dîtbarî yên TensorFlow xuyang bikin. Bi girtina hilbera çapkirî wekî guhêrbar, em dikarin wê bi karanîna komek operasyonên berfireh ên TensorFlow, wek operasyonên matematîkî, veguheztina daneyan, an tewra derbaskirina wê di nav torên neuralî de ji bo analîzkirina bêtir, manîpule û manîpule bikin.
Li vir mînakek e ku armanca danasîna encamdana banga çapkirinê ji guhêrbarek di TensorFlow re diyar bike:
python import tensorflow as tf x = tf.constant(2) y = tf.constant(3) # Assign the printed output to a variable result = tf.print("The sum of x and y is:", x + y) # Use the printed output within TensorFlow operations result_squared = tf.square(result) with tf.Session() as sess: # Evaluate the TensorFlow operations print(sess.run(result_squared))
Di vê nimûneyê de, em berhema çapkirî ya berhevoka `x` û `y` ji guhêrbara `encam` re destnîşan dikin. Dûv re em dikarin vê guhêrbar di nav operasyonên TensorFlow de bi kar bînin, wek ku wê di guherbara `encam_squared` de çargoşe bikin. Di dawiyê de, em operasyonên TensorFlow di nav rûniştinekê de dinirxînin û encama çargoşe çap dikin.
Bi veqetandina derana banga çapkirinê ji guhêrbar re, em dikarin agahdariya çapkirî di çarçoveya TensorFlow de bi bandor bikar bînin, ku me dihêle ku em hesabên tevlihev pêk bînin, biryaran bidin, an hilberîna çapkirî wekî beşek ji xebata fêrbûna makîneyê xuyang bikin.
Pirs û bersivên din ên vê dawiyê di derbarê EITC/AI/GCML Fêrbûna Makîna Ewr a Google:
- Nivîsar bi axaftinê (TTS) çi ye û ew çawa bi AI-ê re dixebite?
- Di fêrbûna makîneyê de di xebata bi daneyên mezin de çi sînor hene?
- Ma fêrbûna makîneyê dikare hin arîkariya diyalogê bike?
- Qada lîstikê ya TensorFlow çi ye?
- Di rastiyê de danûstendinek mezintir tê çi wateyê?
- Hin mînakên hîperparametreyên algorîtmê çi ne?
- Fêrbûna ensambleyê çi ye?
- Ger algorîtmayek fêrbûna makîneya bijartî ne guncan be û meriv çawa dikare piştrast bike ku ya rast hilbijêrin?
- Ma modelek fêrbûna makîneyê di dema perwerdehiya xwe de hewceyê çavdêriyê ye?
- Parametreyên sereke yên ku di algorîtmayên bingeha tora neuralî de têne bikar anîn çi ne?
Pirs û bersivan bêtir li EITC/AI/GCML Fêrbûna Makîneya Cloud Google-ê bibînin