API-ya cîranên pakêtê di Fêrbûna Structured Neural (NSL) ya TensorFlow de taybetmendiyek girîng e ku pêvajoya perwerdehiyê bi grafikên xwezayî zêde dike. Di NSL-ê de, API-ya cîranên pakêtê çêkirina mînakên perwerdehiyê bi berhevkirina agahdariya ji girêkên cîran di avahiyek grafîkî de hêsan dike. Ev API bi taybetî dema ku bi daneyên birêkûpêk ên grafîkî re mijûl dibe, li cihê ku têkiliyên di navbera xalên daneyê de bi keviyên di grafê de têne destnîşan kirin bikêr e.
Ji bo ku di aliyên teknîkî de bigerin, API-ya cîranên pakêtê di NSL-ê de wekî têketinek girêkek navendî û girêkên cîranên wê digire, dûv re van girêkan bi hev re pak dike da ku mînakek perwerdehiyê ya yekane pêk bîne. Bi kirina vê yekê, model dikare ji agahdariya kolektîf a girêka navendî û cîranên wê fêr bibe, û dihêle ku ew di dema perwerdehiyê de avahiya gerdûnî ya grafîkê bigire. Ev nêzîkatî bi taybetî dema ku bi grafîkan re dixebitin ku têkiliyên di navbera girêkan de di pêvajoya fêrbûnê de rolek girîng dileyzin, bikêr e.
Bicihanîna API-ya cîranên pakêtê pênasekirina fonksiyonek ku diyar dike ka meriv cîranên girêka navendî çawa pak dike. Ev fonksiyon bi gelemperî girêka navendî û cîranên wê wekî têketinê digire û nûneriyek pakkirî vedigerîne ku model dikare ji bo perwerdehiyê bikar bîne. Bi xweşkirina vê fonksiyona pakkirinê, bikarhêner dikarin kontrol bikin ka agahdariya ji girêkên cîran çawa têne berhev kirin û di nav mînakên perwerdehiyê de têne hev kirin.
Mînakek senaryoyek ku API-ya cîranên pakêtê dikare were sepandin di peywira dabeşkirina nodê de di torgilokek jêderê de ye. Di vê çarçoveyê de, her girêk kaxezek zanistî temsîl dike, û qerax têkiliyên di navbera kaxezan de destnîşan dikin. Bi karanîna API-ya cîranên pakêtê, model dikare agahdariya ji tora vegotinê bikar bîne da ku dabeşkirina kaxezan li gorî naverok an mijara wan baştir bike.
API-ya cîranên pakêtê ya di NSL-ê de amûrek hêzdar e ji bo perwerdekirina modelên li ser daneyên grafîkî-sazkirî, ku dihêle ew agahdariya pêwendiya dewlemend a ku di daneyê de heye bikar bînin. Bi berhevkirina agahdariya ji girêkên cîran re, model dikare avahiya gerdûnî ya grafîkê çêtir fam bike û pêşbîniyên bêtir agahdar bike.
Pirs û bersivên din ên vê dawiyê di derbarê Bingehîn TensorFlow EITC/AI/TFF:
- Meriv çawa dikare qatek binavkirî bikar bîne da ku bixweber axên rast ji bo nexşeyek nûnertiya peyvan wekî vektor destnîşan bike?
- Armanca berhevkirina max di CNN de çi ye?
- Pêvajoya derxistina taybetmendiyê di tora neuralî ya hevgirtî (CNN) de ji bo naskirina wêneyê çawa tê sepandin?
- Ma pêdivî ye ku ji bo modelên fêrbûna makîneyê yên ku li TensorFlow.js têne xebitandin fonksiyonek fêrbûna asynkron bikar bînin?
- Parametreya herî zêde ya peyvan a TensorFlow Keras Tokenizer API çi ye?
- Ma TensorFlow Keras Tokenizer API dikare were bikar anîn da ku peyvên herî pir caran bibîne?
- TOCO çi ye?
- Têkiliya di navbera çend serdeman de di modelek fêrbûna makîneyê de û rastbûna pêşbîniya ji xebitandina modelê de çi ye?
- Ma API-ya cîranên pakêtê di Fêrbûna Structured Neural of TensorFlow de li ser bingeha daneya grafika xwezayî danûstendinek perwerdehiya zêdekirî çêdike?
- Ma Fêrbûna Structured Neural dikare bi daneyên ku ji bo wan grafikek xwezayî tune were bikar anîn?
Pir pirs û bersivan di EITC/AI/TFF TensorFlow Fundamentals de bibînin