TensorFlow هي مكتبة مفتوحة المصدر أنشأتها Google ، وهي تستخدم لتطوير أنظمة تستخدم تقنية التعلم الآلي. تتضمن هذه المكتبة تنفيذ العديد من الخوارزميات القوية المصممة لحل مشاكل تعلم الآلة الشائعة ، بما في ذلك التعرف على الأنماط واتخاذ القرارات.
هذه المادة مخصصة لأساسيات TensorFlow وهي مصممة للقراء الذين لا يعرفون أي شيء عن هذه المكتبة.
TensorFlow: مكتبة تعلم الآلة الحديثة
تم نقل مشروع TensorFlow بواسطة Google إلى فئة المصادر المفتوحة في عام 2015. كان سلفه مشروع DistBelief ، وهي سنوات الخبرة المتراكمة أثناء العمل والتي انعكست في TensorFlow.
سعى مطورو مكتبة TensorFlow إلى أن يكونوا مرنين وفعالين وقابلين للتوسع ومحمولة. نتيجة لذلك ، يمكن استخدامه في مجموعة متنوعة من بيئات الحوسبة - من تلك التي يتم تكوينها بواسطة الأجهزة المحمولة ، إلى البيئات التي تمثلها مجموعات ضخمة. تتيح لك المكتبة تحضير النماذج المدربة بسرعة للعمل الحقيقي ، مما يلغي الحاجة إلى إنشاء تطبيقات نماذج خاصة لأغراض الإنتاج.
من ناحية أخرى ، تجذب مكتبة TensorFlow انتباه مجتمع المصادر المفتوحة ، وهي مفتوحة للابتكار ، ومن ناحية أخرى ، تتمتع بدعم شركة كبيرة. هذا يسمح لنا أن نقول أن لديها كل فرصة لنمو مستقر.
هذه المكتبة ، بفضل الجهود المشتركة لجميع أولئك الذين يعملون عليها ، مناسبة لحل مشاكل المقاييس المختلفة. من تلك التي تنشأ أمام مطور مستقل ، إلى أولئك الذين يواجهون الشركات الناشئة وحتى الشركات الكبيرة مثل Google. منذ أن أصبحت هذه المكتبة مفتوحة المصدر ، منذ نوفمبر 2015 ، أصبحت واحدة من أكثر مكتبات التعلم الآلي إثارة للاهتمام. يستخدم بشكل متزايد في البحث ، في تطوير تطبيقات حقيقية ، في التدريب.
TensorFlow يتحسن باستمرار ، ويتم تزويده باستمرار بشيء جديد ومحسّن. بالإضافة إلى ذلك ، ينمو مجتمع حول هذه المكتبة.
حول TensorFlow
Tensor هي طريقة قياسية لتمثيل البيانات في أنظمة التعليم العميق. Tensors عبارة عن صفائف متعددة الأبعاد ، امتداد للجداول ثنائية الأبعاد (المصفوفات) لتمثيل البيانات ذات الأبعاد الأعلى. ببساطة ، الموتر عبارة عن مصفوفة ذات أبعاد n.
بشكل عام ، إذا كنت معتادًا على التعامل مع المصفوفات ، يمكن تخيل التنسورات بنفس طريقة تخيل المصفوفات.
لنبدأ بتثبيت TensorFlow.
تثبيت TensorFlow
إذا كنت تبدأ في تثبيت Python نظيف (ربما تكون قد قمت بتثبيت Python خصيصًا لتعلم TensorFlow) ، ما عليك سوى تثبيت
pip لتثبيت TensorFlow:
pip install tensorflow
هذا النهج بسيط ، لكنه يحتوي على بعض الميزات غير السارة. تتكون هذه العناصر من حقيقة أنه عند تثبيت TensorFlow ، بدلاً من الحزم المثبتة بالفعل ، سيتم تثبيت إصدارات معينة من حزم التبعية في هذه المكتبة.
إذا كنت تستخدم تثبيت Python حاليًا لأغراض أخرى ، فلا ينصح باستخدام هذه الطريقة. طريقة واحدة لتثبيت TensorFlow تجاوز الميزات المذكورة أعلاه هي استخدام بيئة افتراضية تدار من قبل
virtualenv . ربما لديك بالفعل هذه الأداة المساعدة مثبتة ، ربما لا. إذا لم يكن مثبتًا لديك ، فيمكنك تثبيته كما يلي:
pip install virtualenv
معرفة المزيد عن
virtualenv .
لتثبيت TensorFlow في بيئة افتراضية ، تحتاج أولاً إلى إنشاء مثل هذه البيئة.
~/envs ، ولكن يمكنك اختيار مجلد آخر مناسب لك:
cd ~ mkdir envs virtualenv ~/envs/tensorflow
أعلاه ، أنشأنا بيئة
tensorflow الافتراضية في
~/envs (
~/envs ~/envs/tensorflow ). لتنشيط هذه البيئة ، استخدم الأمر التالي:
source ~/envs/tensorflow/bin/activate
بعد ذلك ، يجب تغيير موجه سطر الأوامر ، مما يشير إلى البيئة الافتراضية المنشَّطة:
(tensorflow)
يمكنك الآن تثبيت TensorFlow في بيئة افتراضية باستخدام
pip :
(tensorflow) pip install tensorflow
لن يؤثر هذا التثبيت على الحزم الأخرى المثبتة على الكمبيوتر.
للخروج من البيئة الافتراضية ، يمكنك استخدام الأمر التالي:
(tensorflow) deactivate
بعد ذلك ، سوف يأخذ موجه الأوامر شكله العادي.
حتى وقت قريب ، كان من الصعب جدًا استخدام TensorFlow في بيئة Windows. ومع ذلك ، بعد إصدار TensorFlow 0.12 ، لم تعد هناك مشكلات خاصة في هذا المجال. وهي لتثبيت إصدار وحدة المعالجة المركزية من TensorFlow لنظام التشغيل Windows ، يكفي تشغيل الأمر التالي:
pip install tensorflow
ولتثبيت إصدار GPU - ما يلي:
pip install tensorflow-gpu
عند تثبيت هذا الإصدار من TensorFlow ، من المفترض أن لديك CUDA 8 بالفعل.
الآن تم تثبيت مكتبة TensorFlow على جهاز الكمبيوتر الخاص بك ، مما يعني أن الوقت قد حان للعمل معها. لنبدأ ، كما هو الحال عادة عند تعلم تقنيات جديدة ، باستخدام "Hello World!"
أعزائي القراء! هذه المادة هي ترجمة لبداية
هذا المنشور TensorFlow Fundamentals. هل تعتقد أن الأمر يستحق ترجمته أكثر؟
