Dersa TensorFlow ji bo Destpêkeran
TensorFlow yek ji çarçoveyên herî populer e ji bo fêrbûna kûr û fêrbûna makîneyê. TensorFlow, ku ji hêla tîmê Google Brain ve hatî pêşve xistin, di gelek projeyên lêkolînê û sepanên pîşesaziyê de bi berfirehî hatiye bikar anîn. Ev gotar rêbernameyek gav-bi-gav peyda dike da ku ji we re bibe alîkar ku hûn, wekî destpêkek, bi TensorFlow re dest pê bikin.
1. Fêmkirina bingehên TensorFlow
Berî ku em dest bi sazkirin û karanîna TensorFlow bikin, girîng e ku em fêm bikin ka TensorFlow çi ye û têgehên bingehîn ên li pişt wê çi ne. TensorFlow çarçoveyek çavkaniya vekirî ye ji bo hesabkirina hejmarî û fêrbûna makîneyê . Ew grafîkên herikîna daneyan bikar tîne da ku operasyonên hejmarî pêk bîne, ku girêkên di grafîkê de operasyonên matematîkî temsîl dikin, û qirax rêzikên daneyên piralî (tensor) ên ku di navbera wan de girêdayî ne temsîl dikin.
2. Sazkirina TensorFlow
Gava yekem a bikaranîna TensorFlow sazkirina wê ye. Li vir çawa meriv TensorFlow bi karanîna pip, rêveberê pakêtên Pythonê, saz dike.
1. Sazkirina Pythonê:
Piştrast bike ku Python li ser pergala te sazkirî ye. TensorFlow di dema nivîsandina vê nivîsê de bi Python 3.6 heta 3.9 re hevaheng e. Tu dikarî Pythonê ji malpera fermî ya Pythonê dakêşînî.
2. Jîngeha Virtual:
Ji bo îzolekirina projeya we ya TensorFlow, pir tê pêşniyar kirin ku hûn hawîrdorek virtual biafirînin:
"şşş
python -m venv myenv
source myenv/bin/activate Ji bo bikarhênerên Mac/Linux
myenv\Scripts\activate Ji bo bikarhênerên Windows-ê
""
3. Sazkirina TensorFlow:
Niha, TensorFlow bi karanîna pipê saz bikin:
"şşş
pip saz bike tensorflow
""
3. Silav Cîhan bi TensorFlow re
Niha ku TensorFlow hatiye sazkirin, em skrîptek Pythonê ya hêsan biafirînin da ku sazkirinê piştrast bikin. Pelek Pythonê ya nû biafirînin û navê wê bikin `hello_tensorflow.py`.
"Python
import tensorflow wek tf
Sabîtekê biafirîne
silav = tf.constant('Silav, TensorFlow!')
Destpêkirina rûniştinê
bi tf.Session() wekî sess:
encam = sess.run(silav)
çapkirin (encam)
""
Kodê li gorî guhertoya 2.x ya TensorFlow biguncîne:
"Python
import tensorflow wek tf
Sabîtekê biafirîne
silav = tf.constant('Silav, TensorFlow!')
Bi karanîna xebitandina egzersîz bixebite (bi xwerû vekirî ye)
çapkirin(silav.numpy())
""
Pelê tomar bike, paşê bimeşîne:
"şşş
python hello_tensorflow.py
""
4. Têgihîştina Tensor û Operasyonên bingehîn
Tensor avahiya daneya sereke di TensorFlow de ne, ku rêzikên piralî ne. Li vir çend mînak hene ku ji we re bibin alîkar ku hûn tensoran fam bikin:
"Python
import tensorflow wek tf
Çêkirina tensoran
skalar = tf. sabît(7) skalar
vektor = tf. sabît([1, 2, 3]) vektor
matrîks = matrîksa tf. sabît([[1, 2], [3, 4]])
tensor3d = tf.constant([[[1, 2, 3], [4, 5, 6]], [[7, 8, 9], [10, 11, 12]]]) Tensorê 3D
çapkirin(f'Scalar: {scalar}')
çapkirin(f'Vektor: {vektor}')
çapkirin(f'Matrix: {matrîx}')
çapkirin(f'Tensor 3D: {tensor3d}')
""
Ji bo pêkanîna operasyonên bingehîn li ser tensoran:
"Python
a = tf.constant([[1, 2], [3, 4]])
b = tf.constant([[5, 6], [7, 8]])
Operasyona zêdekirinê
zêde bike = tf.zêde bike(a, b)
Operasyonên pirbûna matrîksê
mul = tf.matmul(a, b)
çapkirin(f'Zêdekirin: {zêdekirin}')
çapkirin(f'Pêşdebirina Matrîkê: {mul}')
""
5. Çêkirina Modelek Tora Neural a Hêsan
Gava din ew e ku modelek tora neuralî ya hêsan were çêkirin. Em ê modelek dabeşkirina wêneyan bi karanîna daneya MNIST, ku databaseyek ji wêneyên reqemên bi destnivîs e, ava bikin. Werin em dest pê bikin:
"Python
import tensorflow wek tf
ji tensorflow.keras setên daneyan, tebeqeyan, modelan import bike
Daxistina daneya MNIST
(wêne_ên_trênê, etîketên_trênê), (wêne_ên_testê, etîketên_testê) = datasets.mnist.load_data()
Normalîzekirina wêneyê
wêneyên_trênê, wêneyên_testê = wêneyên_trênê / 255.0, wêneyên_testê / 255.0
Çêkirina modelekê
model = model.Rêzber([
qatên.Flatten(input_shape=(28, 28)),
layers.Dense(128, activation='relu'),
layers.Dense(10)
])
Berhevkirina modelan
model.compile(optimizer='adam',
windakirin = tf.keras.losses.SparseCategoricalCrossentropy (ji_logits = Rast),
metrics=['rastî'])
Perwerdehiya modelê
model.fit(train_images, train_labels, epochs=5)
Testkirina modelê
test_loss, test_acc = model.evaluate(îmajên_testê, etîketên_testê)
çapkirin(f'Rastbûna ceribandinê: {test_acc}')
""
Daxûyanî:
– Setên daneyan: Em seta daneya MNIST îtxal dikin û bar dikin.
- Pêş-pêvajoykirin: Daneyên bi dabeşkirina nirxên pixel bi 255 ve normalîze bikin.
– Model: Em modelek hêsan bi du tebeqeyan pênase dikin. Tebeqeya yekem tebeqeya `Flatten` e ji bo veguherandina wêneya 2D bo rêzek 1D. Tebeqeya duyem tebeqeya `Dense` ye ku 128 neuron û `relu` wekî fonksiyona çalakkirinê hene, û ya dawî tebeqeya `Dense` ye ku 10 neuron 10 çînan temsîl dikin.
– Berhevkirin: Em modelê bi karanîna optimîzatora `adam` û `SparseCategoricalCrossentropy` wekî fonksiyona windabûnê berhev dikin.
- Perwerde: Modelê ji bo 5 serdeman perwerde bike.
– Nirxandin: Modelê li gorî daneyên ceribandinê binirxînin.
6. Tomarkirin û Barkirina Modelan
Piştî perwerdekirina modelekê, dibe ku hûn bixwazin wê ji bo karanîna paşê bêyî ku ji nû ve perwerde bikin hilînin. Li vir e ku meriv çawa modelekê hilîne û bar dike:
"Python
Model tê parastin
model.save('model_ya_min.h5')
Model tê barkirin
modela_nû = tf.keras.models.load_model('model_ya_min.h5')
Verastkirina modela barkirî
windabûn, hesab = new_model.evaluate(test_images, test_labels)
çapkirin(f'Rastbûna modela barkirî: {acc}')
""
Xelasî
Ev rêbername pêşgotinek berfireh ji bo destpêkirina bi TensorFlow re ji bo destpêkan peyda dike. Me sazkirin, operasyonên bingehîn ên tensorê, û avakirina modelek tora neural a hêsan bi karanîna daneya MNIST vegotiye. TensorFlow gelek şiyanên pêşkeftî pêşkêşî dike ku were keşifkirin, wekî pêvajoya daneyên pêşkeftî , modelên tevlihevtir, û karanîna TensorFlow li ser cîhazên wekî TPU û GPU. Em hêvî dikin ku ev ders alîkariya we bike ku hûn di cîhana fêrbûna makîneyê de bi TensorFlow re dest pê bikin.
