TensorFlow Architecture - Top 10 značilnosti arhitekture TensorFlow

Kazalo:

Anonim

Uvod v TensorFlow

V tem članku bomo videli oris arhitekture TensorFlow. TensorFlow je knjižnica na več platformah in obstaja nekaj običajnih konceptov, kot so operacije, seje in računski grafi. TensorFlow Serving omogoča nove algoritme in eksperimente enostavno uvajanje, hkrati pa ohranja isto arhitekturo baze podatkov in API-jev.

Kaj je Tensorflow arhitektura?

Tensorflow je pogosto uporabljana knjižnica globokega učenja, ki jo je zgradila Googlova možganska skupina, ki je delala na področju umetne inteligence. Razvit je bil tako, da se lahko uporablja v več CPU-jih, GPU-jih, prav tako pa lahko deluje na mobilnih napravah in podpira različne razrede ovojev, kot so python, C ++ ali Java in Tensors, ki so predmeti, ki opisujejo linearno razmerje med vektorji, skalarji in drugimi tenzorji .

Tenzorji niso nič drugega kot večdimenzionalni nizi. Za razumevanje arhitekture in funkcij TensorFlow moramo najprej razumeti nekatere izraze.

  1. Tensorflow Servables
  2. Prenosne različice
  3. Servisni tokovi
  4. Tensorflov model
  5. Tensorflow nakladalci
  6. Viri Tensorflow
  7. Tensorflow Manager
  8. Tensorflow Core
  9. Življenje prenosljivega
  10. Batcher V Tensorflow arhitekturi

1. Tensorflow Servables

  • Tensorflow Servables so običajni predmeti, ki se večinoma uporabljajo za računanje. Velikost prenosnega TensorFlow je zelo prilagodljiva. Potrošni material je osrednja nedokončana enota v serviranju TensorFlow.
  • Prenosna enota lahko vsebuje karkoli, saj lahko vsebuje kronike, tabele za iskanje. Prenosni predmeti so lahko poljubnega tipa in katerega koli vmesnika, zaradi teh funkcij je zelo prilagodljivo in enostavno narediti izboljšave v prihodnosti, kot so asinhroni načini delovanja, rezultati pretakanja in eksperimentalni API-ji.

2. Prenosne različice

  • Prenosne različice se uporabljajo za vzdrževanje različic prenosnih TensorFlow. Lahko prenese eno ali več različic Servables. Pomaga lahko pri konfiguriranju novih algoritmov, urejanju uteži in drugih spremembah, nalaganje podatkov.
  • Prav tako lahko spreminja in upravlja različice, omogoča več prenosnih različic hkrati.

3. Servisni tokovi

Gre za zbirko različnih različic Servables. Shranjuje ga v vedno večjem zaporedju različic.

4. Tensorflow modeli

  • Model TensorFlow lahko vsebuje eno ali več servoma TensorFlow. Uporablja se predvsem pri nalogah strojnega učenja, ki lahko vsebuje več algoritmov, ki vsebujejo različne uteži glede na model, tabele iskanja, metrike in vdelave tabel.
  • Postrežemo ga lahko na več različnih načinov, tako da obstajajo različni načini za serviranje iskalne tabele.

5. Tensorflow nakladalci

  • Naložnik Tensorflow je API, ki upravlja življenjski cikel storitve TensorFlow Servebles. Zagotavlja skupno infrastrukturo za nekatere algoritme za učenje.
  • Glavna uporaba nakladalnika TensorFlow je nalaganje in razkladanje Potrošnikov s standardiziranimi API-ji za nalaganje.

6. Viri Tensorflow

  • Viri delujejo kot vtični modul. Vir Tensorflow osnovno ravnanje s premičnim, kot je iskanje premičnih, na zahtevo zagotavlja prenosljiv.
  • Vsaka referenca lahko hkrati da en ali več prenosnih tokov. Vsak vir nudi primerek nalaganja za obdelavo različice toka. In vsak prenosljiv tok se naloži na podlagi različice.
  • Vir ima različna stanja, ki jih je mogoče deliti z različnimi različicami in več strežniki. Lahko prenese tudi posodobitve ali spremembe med različicami.

7. Tensorflow Manager

  • Tensorflow manager obravnava življenjski cikel prenosnega konca do konca.
  • Nalaganje prenosnih, serviranje prenosnih, raztovarjanje prenosnih.
  • Manager dobi odziv iz vseh prenosnih virov in spremlja tudi vse njegove različice. Upravitelj lahko tudi zavrne ali odloži prenos.
  • Funkcija GetServableHandle () ponuja vmesnik, ki pomaga pri upravljanju stvari o storitvah TensorFlow.

8. Tensorflow Core

Tensorflow Core vsebuje:

  • Življenjski cikel, metrike.
  • Tensorflow servirno jedro je predmet in slušalke.

9. Življenje prenosnega

Celoten postopek je razložen, kako se uporablja prenosni in celoten življenjski cikel prenosljivega:

  • Vir ustvari nakladalnike za različne prenosne različice. Stranka je upravitelju in upravitelju naročniku poslala različico, ki si jo je želela, natovorila in postregla nazaj.
  • Nalaganje vsebuje metapodatke, ki jih je mogoče uporabiti za nalaganje strežnikov. Povratni klic se uporablja za obveščanje upravitelja o različicah prenosnega vira. Upravitelj sledi pravilniku različice, ki pomaga konfigurirati in odločiti, katera dejanja bodo potrebna.
  • Upravitelj preveri tudi varnost nakladalcev, če je varen, bo samo nalagalec naložil potrebne vire in dal dovoljenje za nalaganje nove različice. Upravitelj na zahtevo stranke poda Severable ali bo izrecno zahteval določeno različico ali pa lahko zahteval, da usmeri zadnjo različico, potem ko ta upravitelj vrne ročaj za dostop do prenosljivega.
  • Upravitelj dinamike upravlja s prenosljivimi različicami, uporabi pravilnik različic in odloči, da je treba naložiti različico ali najnovejšo različico. Upravitelj dinamike nalaga nakladalnik pomnilnika. Nakladalnik sproži graf TensorFlow in posodobi uteži grafa TensorFlow.
  • Ko odjemalec zahteva prenosni računalnik in preveri različico, ki jo zahteva stranka, nato upravitelj Dynamic vrne ta upravljavec z zahtevano različico Servable.

10. Batcher v arhitekturi Tensorflow

  • Pakiranje je postopek obravnave več zahtev v eno samo zahtevo.
  • Z uporabo tega postopka lahko zmanjšamo stroške izvedbe sklepov, zlasti pospeševanja strojne opreme, kot sta GPU, TPU.
  • Tensorflow servable vsebuje pripomoček Batcher, s pomočjo tega pripomočka lahko odjemalci preprosto povežejo več specifičnih zahtev za sklepanje v eno samo zahtevo. Tako lahko učinkovito izvajajo ta postopek.

Zaključek - TensorFlow Architecture

Tensorflow Architecture predstavlja decentraliziran sistem. Pokaže, kako delujejo različne komponente in opravljajo svoje vloge v decentraliziranem sistemu. Vročanje na zahtevo stranke in uporaba paketnih večkratnih operacij. Nekatere najboljše funkcije v arhitekturi TensorFlow so serijske operacije, pospeševanje strojne opreme in dinamične možnosti upravitelja, nakladalci, viri, prenosni tokovi.

Priporočeni članki

To je vodnik za arhitekturo TensorFlow. Tukaj razpravljamo o tem, kaj je TensorFlow in nekaj najboljših funkcij v arhitekturi TensorFlow. Če želite izvedeti več, lahko preberete tudi druge naše predlagane članke -

  1. Uvod v Tensorflow z značilnimi
  2. TensorFlow vs Spark | Primerjava top 5
  3. Theano proti Tensorflow - Najboljše razlike
  4. TensorFlow alternative | 11 najboljših