Yek ji doza karanîna gelemperî ya tf.Çapkirinê di TensorFlow de ev e ku di dema pêkanîna grafiyek hesabker de nirxên tensoran debug bike û çavdêrî bike. TensorFlow çarçoveyek hêzdar e ji bo çêkirin û perwerdekirina modelên fêrbûna makîneyê, û ew amûrên cihêreng ji bo verastkirin û têgihîştina behreya modelan peyda dike. tf.Print amûrek weha ye ku dihêle em di dema xebitandinê de nirxên tensor çap bikin.
Di dema pêşkeftina modelek fêrbûna makîneyê de, bi gelemperî pêdivî ye ku meriv nirxên tensorên navîn vekolîne da ku verast bike ku model wekî ku tê hêvî kirin dixebite. tf.Print ji bo çapkirina nirxên tensoran li her xala grafîkê di dema darvekirinê de rêyek hêsan peyda dike. Ev dikare bi taybetî bikêr be dema ku modelên tevlihev ên bi gelek qat û operasyonan verast bikin.
Ji bo ku tf.Print bikar bînin, em tenê wê têxin nav grafîkê li cîhê ku tê xwestin û tensora ku em dixwazin nirxên wê wekî arguman çap bikin peyda dikin. Dema ku graf tê çespandin, tf.Print dê nirxên heyî yên tensorê li ser hilberîna standard çap bike. Ev dihêle ku em nirxan kontrol bikin û piştrast bikin ku ew rast in.
Li vir mînakek e ku karanîna tf nîşan bide. Çap:
python import tensorflow as tf # Define a simple computation graph x = tf.constant(2) y = tf.constant(3) z = tf.add(x, y) # Insert tf.Print to print the value of z z = tf.Print(z, [z], "Value of z: ") # Create a session and run the graph with tf.Session() as sess: sess.run(tf.global_variables_initializer()) result = sess.run(z) print(result)
Di vê nimûneyê de, em grafiyek hesabkirinê ya hêsan diyar dikin ku du berdewaman, x û y, bi hev re zêde dike. Dûv re em tf.Çap bikin da ku nirxa z çap bike, ku berhevoka x û y nîşan dide. Dema ku em grafîkê dimeşînin, dê nirxa z-yê li ser hilberîna standard were çap kirin.
tf.Print her weha dikare ji bo şopandina nirxên tensoran di dema perwerdehiya modelek fêrbûna makîneyê de were bikar anîn. Bi xistina tf.Çapkirinê li gelek nuqteyên grafîkê, em dikarin nirxên tensoran bişopînin û piştrast bikin ku model wekî ku tê hêvî kirin fêr dibe. Ev dikare bi taybetî di tespîtkirina mijarên wekî windabûn an teqandina gradientan de alîkar be, ku dikare bandorê li pêvajoya perwerdehiyê bike.
Tf.Print di TensorFlow de amûrek bikêr e ji bo verastkirin û şopandina nirxên tensoran di dema pêkanîna grafikek hesabker de. Ew dihêle ku em di dema xebitandinê de nirxên tensoran çap bikin, li ser tevgera modelê nihêrînên hêja peyda dikin. Bi karanîna tf.Print-a stratejîk, em dikarin çêtir têgihiştinek ji tevgera modelê bistînin û piştrast bikin ku ew rast dixebite.
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