Глава 2: Ключевые концепции TensorFlow

TensorFlow™ — это библиотека с открытым исходным кодом, использующая графы потоков данных для численных расчётов. Каждый узел графа представляет собой математическую операцию, а каждое ребро представляет многомерный массив (то есть тензор), соединяющий узлы. Гибкость архитектуры позволяет выполнять межплатформенные вычисления, например, на одном или нескольких процессорах (или графических процессорах) на ПК, сервере, мобильных устройствах и т. д.

TensorFlow изначально был разработан Google Brain для исследований в области машинного обучения и глубоких нейронных сетей, однако его универсальность обеспечивает популярность и в применении других областей вычислений.

Преимущества TensorFlow:

• Гибкость: поддержка низкоуровневых численных вычислений и пользовательских операторов на C++.
• Переносимость: доступен с сервера на ПК и мобильные устройства и совместим с CPU, GPU и TPU.
• Распределённые вычисления: позволяют распределённые параллельные вычисления и назначение вычислительных устройств для конкретного оператора.

«Высокие здания поднимаются из земли», и у TensorFlow также есть своя основа, которая состоит из ключевых концепций тензора, графа и автоматического дифференцирования.

Пожалуйста, оставляйте комментарии в официальном аккаунте WeChat «Python与算法之美» (Изящный Python и алгоритмы), если хотите пообщаться с автором о содержании. Автор постарается ответить, учитывая ограниченное время.

Вы также можете отправить сообщение 加群 (join group) в официальном аккаунте WeChat, чтобы присоединиться к групповому чату с другими читателями.