Di TensorFlow 2.0 de, têgeha danişînan di berjewendiya darvekirina dilxwaz de hate rakirin, ji ber ku darvekirina dilxwaz rê dide nirxandina tavilê û xeletkirina hêsantir a operasyonan, ku pêvajo bikêrtir û Pythonic dike. Ev guhertin di ka TensorFlow de çawa tevdigere û bi bikarhêneran re têkiliyek girîng vedigire.
Di TensorFlow 1.x de, danişîn hatin bikar anîn da ku grafiyek hesabkirinê ava bikin û dûv re wê di nav jîngehek danişînê de bicîh bikin. Ev nêzîkatî bi hêz bû, lê carinan jî giran bû, nemaze ji bo destpêk û bikarhênerên ku ji paşverûyek bernamesaziyê ya mecbûrîtir têne. Bi darvekirina dilxwazî , operasyon tavilê têne darve kirin, bêyî ku hewce bike ku danişînek bi eşkere were afirandin.
Rakirina danişînan xebata TensorFlow hêsan dike û wê ji nêz ve bi bernameya standard Python re hevaheng dike. Naha, bikarhêner dikarin koda TensorFlow bi rengek xwezayîtir binivîsin û bicîh bikin, mîna ku ew ê koda Python-a birêkûpêk binivîsin. Ev guhertin ezmûna bikarhêner zêde dike û ji bo bikarhênerên nû kêşeya fêrbûnê kêm dike.
Ger dema ku hûn hewl didin ku hûn kodek werzîşê ya ku xwe dispêre danişînên di TensorFlow 2.0-ê de bimeşînin bi AttributeError re rû bi rû man, ji ber vê yekê ye ku danişîn êdî nayên piştgirî kirin. Ji bo çareserkirina vê pirsgirêkê, hûn hewce ne ku kodê nûve bikin da ku darvekirina dilxwaz bikar bînin. Bi vî rengî, hûn dikarin pê ewle bin ku koda we bi TensorFlow 2.0 re hevaheng e û ji feydeyên ku darvekirina dilxwaz pêşkêşî dike sûd werbigirin.
Li vir mînakek e ku cûdahiya di navbera karanîna danişînên li TensorFlow 1.x û darvekirina dilxwazî di TensorFlow 2.0 de ronî bike:
TensorFlow 1.x (bikaranîna danişînan):
python import tensorflow as tf # Build a graph a = tf.constant(2) b = tf.constant(3) c = tf.add(a, b) # Create a session and run the graph with tf.Session() as sess: result = sess.run(c) print(result)
TensorFlow 2.0 (bikaranîna darvekirina dilxwaz):
python import tensorflow as tf # Enable eager execution tf.config.run_functions_eagerly(True) # Perform operations without the need for a session a = tf.constant(2) b = tf.constant(3) c = tf.add(a, b) print(c)
Bi nûvekirina koda werzîşê re da ku ji darvekirina dilşewat bixebite, meriv dikare bi TensorFlow 2.0 re hevahengiyê misoger bike û ji tevgera xebata wê ya sade sûd werbigire.
Rakirina danişînan di TensorFlow 2.0 de di berjewendiya darvekirina dilxwaz de guhertinek destnîşan dike ku karûbar û sadebûna çarçoveyê zêde dike. Bi hembêzkirina darvekirina dilxwaz, bikarhêner dikarin koda TensorFlow bi xwezayî û bikêrtir binivîsin, ku bibe sedema ezmûnek pêşkeftina fêrbûna makîneyê ya bêkêmasî.
Pirs û bersivên din ên vê dawiyê di derbarê EITC/AI/GCML Fêrbûna Makîna Ewr a Google:
- 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?
- TensorBoard çi ye?
Pirs û bersivan bêtir li EITC/AI/GCML Fêrbûna Makîneya Cloud Google-ê bibînin