Tutoriale TensorFlow per Principianti
TensorFlow hè unu di i frameworks i più populari per l'apprendimentu prufondu è l'apprendimentu automaticu. Sviluppatu da a squadra Google Brain, TensorFlow hè statu largamente utilizatu in numerosi prughjetti di ricerca è applicazioni industriali. Questu articulu furnisce un tutorial passu à passu per aiutà vi, cum'è principiante, à cumincià cù TensorFlow.
1. Capisce i principii di TensorFlow
Prima di principià à installà è aduprà TensorFlow, hè impurtante capisce ciò chì hè TensorFlow è i cuncetti basi daretu à questu. TensorFlow hè un framework open-source per u calculu numericu è l'apprendimentu automaticu. Utilizza grafici di flussu di dati per eseguisce operazioni numeriche, induve i nodi in u graficu rapprisentanu operazioni matematiche, è i bordi rapprisentanu array di dati multidimensionali (tensori) cunnessi trà di elli.
2. Installazione di TensorFlow
U primu passu per aduprà TensorFlow hè di stallà lu. Eccu cumu stallà TensorFlow cù pip, u gestore di pacchetti Python.
1. Installazione di Python:
Assicuratevi chì avete Python installatu nant'à u vostru sistema. TensorFlow hè cumpatibile cù Python 3.6 à 3.9 à u mumentu di a scrittura di questu articulu. Pudete scaricà Python da u situ web ufficiale di Python.
2. Ambiente Virtuale:
Hè assai cunsigliatu di creà un ambiente virtuale per isolà u vostru prughjettu TensorFlow:
"`sh"
python -m venv u mo ambiente
source myenv/bin/activate Per l'utilizatori Mac/Linux
myenv\Scripts\activate Per l'utilizatori di Windows
""
3. Installazione di TensorFlow:
Avà, installate TensorFlow cù pip:
"`sh"
pip install tensorflow
""
3. Salutu à u mondu cù TensorFlow
Avà chì TensorFlow hè stallatu, creemu un script Python simplice per verificà l'installazione. Crea un novu schedariu Python è chjamallu `hello_tensorflow.py`.
"` pitone
import tensorflow as tf
Creà una custante
ciao = tf.constant('Ciao, TensorFlow!')
Principià a sessione
cù tf.Session() cum'è sess:
risultatu = sess.run(salutu)
stampa (risultatu)
""
Adattate u codice secondu à TensorFlow versione 2.x:
"` pitone
import tensorflow as tf
Creà una custante
ciao = tf.constant('Ciao, TensorFlow!')
Eseguisce cù l'esecuzione impaziente (attivata per difettu)
print(salutu.numpy())
""
Salvate u schedariu, dopu eseguite:
"`sh"
python ciao_tensorflow.py
""
4. Capiscendu i Tensori è l'Operazioni Basiche
I tensori sò a struttura di dati primaria in TensorFlow, chì sò array multidimensionali. Eccu alcuni esempi per aiutà vi à capisce i tensori:
"` pitone
import tensorflow as tf
Creà tensori
scalare = tf. costante(7) scalare
vettore = tf. costante([1, 2, 3]) vettore
matrice = tf. costante([[1, 2], [3, 4]]) matrice
tensor3d = tf.constant([[1, 2, 3], [4, 5, 6]], [[7, 8, 9], [10, 11, 12]]]) tensore 3D
stampa (f'Scalare: {scalare}')
stampa(f'Vettore: {vettore}')
stampa (f'Matrice: {matrice}')
stampa (f'Tensor 3D: {tensor3d}')
""
Per fà operazioni basiche nantu à i tensori:
"` pitone
a = tf.constant([[1, 2], [3, 4]])
b = tf.constant([[5, 6], [7, 8]])
Operazione di addizione
aghjunghje = tf.aghjunghje(a, b)
Operazioni di moltiplicazione di matrici
mul = tf.matmul(a, b)
print(f'Addizione: {aghjunghje}')
print(f'Moltiplicazione di Matrice: {mul}')
""
5. Creazione di un mudellu di rete neurale simplice
U prossimu passu hè di creà un mudellu simplice di rete neurale. Custruiremu un mudellu di classificazione di l'imagine aduprendu u dataset MNIST, una basa di dati d'imagine di cifre scritte à manu. Cuminciamu:
"` pitone
import tensorflow as tf
da tensorflow.keras impurtà datasets, strati, mudelli
Scaricamentu di u dataset MNIST
(imagine_di_trenu, etichette_di_trenu), (imagine_di_test, etichette_di_test) = datasets.mnist.load_data()
Nurmalizazione di l'imagine
imagine_di_trenu, imagine_di_prova = imagine_di_trenu / 255.0, imagine_di_prova / 255.0
Fà un mudellu
mudellu = mudelli.Sequenziale([
strati.Appiattisce (input_shape = (28, 28)),
layers.Dense(128, activation='relu'),
strati.Densu (10)
])
Compilazione di mudelli
model.compile(optimizer='adam',
perdita=tf.keras.perdite.CrossentropiaCategoricaSparsa(da_logits=Veru),
metrica = ['accuratezza'])
Furmazione di u mudellu
model.fit(train_images, train_labels, epochs=5)
Pruvà u mudellu
perdita_di_test, acc_test = mudellu.valutà(imagine_di_test, etichette_di_test)
print(f'Precisione di a prova: {test_acc}')
""
Spiegazione:
– Insemi di dati: Impurtemu è carichemu l'inseme di dati MNIST.
– Preelaborazione: Nurmalizà u dataset dividendu i valori di i pixel per 255.
– Modellu: Definimu un mudellu simplice cù dui strati. U primu stratu hè un stratu `Flatten` per cunvertisce l'imagine 2D in un array 1D. U secondu stratu hè un stratu `Densu` cù 128 neuroni è `relu` cum'è funzione d'attivazione, è l'ultimu hè un stratu `Densu` cù 10 neuroni chì rapprisentanu 10 classi.
– Compilazione: Compilemu u mudellu aduprendu l'ottimizatore `adam` è `SparseCategoricalCrossentropy` cum'è funzione di perdita.
– Furmazione: Furmazione di u mudellu per 5 epoche.
– Valutazione: Valutà u mudellu paragunatu à i dati di prova.
6. Salvataggio è Caricamentu di Modelli
Dopu avè furmatu un mudellu, pudete vulete salvallu per un usu più tardi senza avè da furmallu di novu. Eccu cumu salvà è caricà un mudellu:
"` pitone
Salvà u mudellu
mudellu.save('my_model.h5')
Caricamentu di u mudellu
novu_mudellu = tf.keras.mudelli.caricà_mudellu('u_miu_mudellu.h5′)
Verificazione di u mudellu caricatu
perdita, acc = novu_mudellu.evaluate(test_images, test_labels)
print(f'Precisione di u mudellu caricatu: {acc}')
""
Cunclusioni
Questa guida furnisce una introduzione dettagliata per cumincià cù TensorFlow per i principianti. Avemu trattatu l'installazione, l'operazioni tensoriali basiche è a custruzzione di un mudellu di rete neurale simplice utilizendu u dataset MNIST. TensorFlow offre parechje capacità avanzate da esplorà, cum'è l'elaborazione avanzata di dati, mudelli più cumplessi è l'usu di TensorFlow nantu à dispositivi cum'è TPU è GPU. Speremu chì questu tutoriale vi aiuterà à cumincià in u mondu di l'apprendimentu automaticu cù TensorFlow.
