Описание тега tensorflow

Описание тега Вопросы с тегом

TensorFlow - это библиотека с открытым исходным кодом и API, разработанная для глубокого обучения, написанная и поддерживаемая Google. Используйте этот тег с тегом для конкретного языка ([python], [C++], [javascript], [r] и т. Д.), Чтобы задать вопросы об использовании API для решения задач машинного обучения. Языки программирования, которые можно использовать с TensorFlow API, различаются, поэтому вы должны указать язык программирования. Пожалуйста, укажите также область приложения, такую как [обнаружение объекта].

TensorFlow использует графы потоков данных с тензорами, текущими по краям.

Интерфейс

TensorFlow предоставляет API-интерфейс Python для построения и выполнения графов потоков данных. Также существует C++ API для выполнения графиков и добавления новых ядер операций. Другие языки могут вызывать TensorFlow, используя его низкоуровневый API c.

TensorFlow также включает TensorBoard, который представляет собой веб-инструмент визуализации для понимания производительности и сетевых функций / параметров.

Скорость

TensorFlow достигает своей производительности за счет распараллеливания выполнения на нескольких процессорах и графических процессорах. Ядро каждой операции реализовано на C++ с использованием эффективных библиотек, таких как Eigen и cuDNN, для лучшей производительности.

Чтобы получить от него максимальную отдачу, создайте его с флагами компилятора, которые позволят ему использовать все расширения набора инструкций, поддерживаемые вашим процессором, например-march=native.

Помощь / Поддержка / Как мне?

Для получения помощи и поддержки, технических или алгоритмических вопросов, отправляйте свои вопросы в stackru: https://stackru.com/questions/tagged/tensorflow. Пожалуйста, не используйте список рассылки или систему отслеживания проблем для поддержки.

Также ознакомьтесь с часто задаваемыми вопросами по TensorFlow, прежде чем задавать вопрос.

При поиске информации, особенно информации о сборке, необходимо проверять и https://www.tensorflow.org/, и сайт GitHub, поскольку оба сайта не реплицируют друг друга.

Если вы новичок в stackru, прочтите, Как мне задать хороший вопрос? перед публикацией и совершите экскурсию.

Обсуждения

Для общих обсуждений, пожалуйста, присоединяйтесь к списку рассылки обсуждения TensorFlow (также известная как TensorFlow Google Group). Этот список предназначен для общих обсуждений развития и направлений развития TensorFlow, а не в качестве справочного форума. Вместо этого направляйте свои вопросы в stackru и сообщайте о проблемах на GitHub.

Сообщить о проблемах

Сообщайте об ошибках, запросах функций и проблемах с установкой / совместимостью в трекере проблем TensorFlow на GitHub. Если вам нужна помощь с использованием TensorFlow, не используйте для этого средство отслеживания проблем. Вместо этого направляйте свои вопросы в stackru.

How-Tos и руководства

Официальный - Как

Официальный - Учебник

Конечные пользователи TensorFlow - НАЧАЛО РАБОТЫ, РУКОВОДСТВО И СПРАВОЧНИКИ

Предлагаемая конфигурация

Изначально TensorFlow был разработан и развернут в системах Linux, но был перенесен на другие операционные системы, включая Microsoft Windows и Apple MacOS. Сообщество TensorFlow склонно отдавать предпочтение Ubuntu Linux, и легче найти поддержку для установки Ubuntu.

С появлением контейнеров anaconda и docker вместе с записными книжками jupyter настройка рабочей станции TensorFlow и обмен данными стали проще.

Наиболее распространенной маркой графических процессоров, используемых в рабочих станциях TensorFlow, является NVIDIA, хотя линейка продуктов AMD Radeon улучшает поддержку приложений машинного обучения. Использование ЦП для TensorFlow вместо использования графического процессора может привести к гораздо более медленной обработке на порядок.

Из-за постоянных улучшений как аппаратного, так и программного обеспечения любые рекомендации могут быстро устареть. Однако ниже приведены некоторые основные параметры.

ОС: Ubuntu 64-битная Linux - в настоящее время большинство людей, похоже, используют от 16.x до 18.x, однако каждый год или около того появляется новая версия.

Графический процессор: графический процессор с поддержкой NVIDIA CUDA - более поздние серии с большим объемом памяти лучше, поскольку более свежие продукты имеют более высокий показатель вычислительных возможностей. Так что GTX 1080 TI с 8G лучше, чем GTX 660 с 3G. См NVIDA разработчиков Cuda графических процессоров, а также версия, которая CUDA Toolkit для старшего NVIDIA Driver и Википедии тему CUDA.

Оперативная память: минимум 8 ГБ. ОЗУ или ОЗУ с разделом подкачки и, возможно, с файлом подкачки, однако необходимый объем ОЗУ зависит от размера модели и объема обрабатываемых данных.

Как скомпилировать Tensorflow с инструкциями SSE4.2 и AVX?