Uvod u TensorFlow
U ovom ćemo članku vidjeti strukturu arhitekture TensorFlow. TensorFlow je biblioteka na više platformi i postoje neki uobičajeni pojmovi poput operacija, sesija i grafikona. Posluživanje TensorFlow olakšava implementaciju novih algoritama i eksperimenata uz zadržavanje iste arhitekture baze podataka i API-ja.
Što je Tensorflow arhitektura?
Tensorflow je uobičajena knjižnica dubokog učenja koju je sagradio Googleov tim za mozgove koji je radio na umjetnoj inteligenciji. Razvijen je tako da se može koristiti na više CPU-a, GPU-a, a može se pokretati i na mobilnim uređajima i podržava različite klase omota kao što su python, C ++ ili Java i Tensors koji su objekti koji opisuju linearni odnos između vektora, skalara i drugih tenzora,
Tenzori nisu ništa drugo do višedimenzionalni niz. Da bismo razumjeli TensorFlow arhitekturu i značajke, prvo moramo razumjeti neke pojmove.
- Tensorflow Servebles
- Serverske verzije
- Servisni tokovi
- Tensorflow model
- Tensorflow utovarivači
- Izvori Tensorflowa
- Tensorflow Manager
- Tensorflow Core
- Život prenosivih
- Batcher U Tensorflow arhitekturi
1. Tensorflow poslužitelji
- Tensorflow Servebles uobičajeni su predmeti koji se uglavnom koriste za računanje. Veličina TensorFlow prijenosnog računala vrlo je fleksibilna. Poslužitelji su središnja nezavršena jedinica u TensorFlow posluživanju.
- Prijenosna jedinica može sadržavati sve što može sadržavati vrhove, tablice za pretraživanje. Prijenosni objekti mogu biti bilo koje vrste i bilo kojeg sučelja, zbog ovih značajki vrlo je fleksibilno i lako je napraviti buduća poboljšanja poput asinhronih načina rada, rezultata strujanja i eksperimentalnih API-ja.
2. Prijenosne verzije
- Prijenosne verzije koriste se za održavanje verzija TensorFlow prenosivih. Može podnijeti jednu ili više verzija Servables. To može pomoći u konfiguriranju novih algoritama, rukovanju utezima i drugim promjenama, podaci se mogu učitati.
- Također može mijenjati i upravljati inačicama, omogućiti više prenosivih verzija istovremeno.
3. Servisni tokovi
To je kolekcija različitih verzija Servables. Pohranjuje ga u sve većem nizu verzija.
4. Tensorflow modeli
- TensorFlow model može sadržavati jednu ili više servera za TensorFlow. Koristi se uglavnom za zadatke strojnog učenja koji mogu sadržavati više algoritama koji sadrže različite utege prema modelu, tablice pretraživanja, metrike i ugradnje u tablice.
- Može se poslužiti na više različitih načina, tako da postoje različiti načini za posluživanje pretraživačke tablice.
5. Utovarivači za napuhavanje
- Tensorflow loader je API koji upravlja životnim ciklusom TensorFlow Servables. Pruža zajedničku infrastrukturu za neke algoritme učenja.
- Glavna upotreba utovarivača TensorFlow je za učitavanje i istovar poslužitelja pomoću standardiziranih API-ja utovarivača.
6. Izvori Tensorflowa
- Izvori djeluju kao dodatak modulu. Tensorflowov izvor pruža osnovno rukovanje pokretnim dijelom, kao što je pronalazak pokretnog, na zahtjev.
- Svaka referenca može istodobno pružiti jedan ili više prenosivih tokova. Svaki izvor nudi primjerak učitavača za rukovanje verzijom streama. I svaki prenosivi tok učitava se na verziji.
- Izvor ima različita stanja koja se mogu dijeliti s različitim verzijama i na više Servables. Može se upravljati i ažurirati ili mijenjati između verzija.
7. Tensorflow menadžeri
- Tensorflow manager rukovodi krajnjim životnim ciklusom prenosivih.
- Učitavanje prenosivog, posluživanje prenosivog, istovar prenosivog.
- Upravitelj dobiva odgovor iz svih prenosivih izvora i nadgleda sve njegove verzije. Upravitelj također može odbiti ili odgoditi prijenos.
- GetServableHandle () funkcija pruža sučelje koje pomaže u upravljanju stvarima oko TensorFlow Servables.
8. Tensorflow Core
Tensorflow Core sadrži:
- Životni ciklus, metrike.
- Tensorflow posluživa jezgra uzima slušalice i utovarivače kao predmet.
9. Život pokretnog
Čitav postupak je objašnjen o načinu na koji se koristi prenosivi i čitav životni ciklus servibilnih podataka:
- Izvor kreiraju utovarivače za različite prenosive verzije. Klijentov zahtjev upravitelju i upravitelju poslao je inačicu kojoj je težio utovarivač, učitao je i poslužio naručitelju.
- Utovarivač sadrži metapodatke koji se mogu koristiti za učitavanje poslužitelja. Povratni poziv koristi se za obavještavanje upravitelja o verzijama prenosivog izvora. Upravitelj slijedi pravila verzije koja pomažu u konfiguriranju i odlučivanju koja će radnja biti potrebna.
- Upravitelj također provjerava sigurnost utovarivača, ako je siguran, tada će utovarivač dati potrebne resurse i dati dopuštenje za učitavanje nove verzije. Upravitelj pruža odjeljak Severable na zahtjev klijenta, ili će tražiti određenu verziju izričito ili može zatražiti usmjeravanje najnovije verzije nakon što taj upravitelj vrati kvaku za pristup prenosivom.
- Upravitelj dinamike upravlja s prijenosnim verzijama, primjenjuje pravila verzije i odlučuje da se verzija ili najnovija verzija trebaju učitati. Upravitelj dinamike dodjeljuje memoriju utovarivaču. Utovarivač inicira graf TensorFlow i ažurira težine grafikona TensorFlow.
- Kada klijent zatraži prijenosnik i provjeri verziju koju klijent traži, tada Dynamic Manager vraća tog rukovaoca sa traženom verzijom Servable.
10. Batcher u Tensorflow arhitekturi
- Grupiranje je postupak obrade više zahtjeva u jedan zahtjev.
- Korištenjem ovog postupka možemo smanjiti troškove izvođenja zaključaka, posebno ubrzavanja hardvera poput GPU-a, TPU-a.
- Tensorflow servable sadrži Batcher widget, pomoću ovog widgeta klijenti mogu jednostavno povezati višestruke specifične zaključke u jedan paketni zahtjev. Tako mogu učinkovito voditi ovaj postupak.
Zaključak - TensorFlow Architecture
Tensorflow Arhitektura predstavlja decentralizirani sustav. Pokazuje kako djeluju različite komponente i služe uloge u decentraliziranom sustavu. Posluživanje na zahtjev klijenta i korištenje paralelnih višestrukih operacija. Neke od najboljih karakteristika u TensorFlow arhitekturi su spajanje operacija, hardversko ubrzanje i dinamičke opcije upravitelja, utovarivači, izvori, prenosivi streamovi.
Preporučeni članci
Ovo je vodič za TensorFlow arhitekturu. Ovdje smo razgovarali o tome što je TensorFlow i neke od najboljih karakteristika u TensorFlow arhitekturi. Možete i proći naše druge predložene članke da biste saznali više -
- Uvod u Tensorflow s karakterističnim
- TensorFlow vs Spark | 5 najboljih usporedba
- Theano vs Tensorflow - Najbolje razlike
- TensorFlow alternative | Top 11