Ikhtisar TensorFlow Core API

Tetap teratur dengan koleksi Simpan dan kategorikan konten berdasarkan preferensi Anda.

TensorFlow Core API menyediakan serangkaian API tingkat rendah yang komprehensif, dapat dikomposisi, dan dapat diperluas untuk komputasi berperforma tinggi (terdistribusi & dipercepat), terutama ditujukan untuk membangun model pembelajaran mesin (ML) serta membuat alat alur kerja dan kerangka kerja ML dalam Platform TensorFlow. API ini memberikan dasar untuk membuat model yang sangat dapat dikonfigurasi dengan kontrol yang halus dan kerangka kerja baru dari bawah ke atas.

API Inti dapat digunakan sebagai alternatif untuk API pembelajaran mesin tingkat tinggi seperti Keras. API tingkat tinggi ini paling cocok untuk kebutuhan pembelajaran mesin umum. Mereka menawarkan berbagai modul yang mengabstraksikan kompleksitas ML sambil juga menawarkan fungsionalitas untuk penyesuaian melalui subkelas. Jika Anda mencari ikhtisar TensorFlow menggunakan Keras, lihat bagian Quickstarts dan Keras di tutorial

Audiens pengembang API inti

API tingkat rendah TensorFlow Core dirancang dengan mempertimbangkan Pengembang ML berikut:

  • Peneliti membangun model kompleks dengan tingkat konfigurasi yang tinggi
  • Pengembang yang tertarik menggunakan TensorFlow sebagai platform komputasi ilmiah berkinerja tinggi
  • Pembuat kerangka kerja membuat alat di atas platform TensorFlow
  • Pengguna API tingkat tinggi yang tertarik pada:
    • Menambahkan fungsionalitas tambahan ke alur kerja pembelajaran mesin mereka seperti lapisan kustom, kehilangan, model, dan pengoptimal
    • Belajar lebih banyak tentang cara kerja model mereka

Aplikasi API inti

TensorFlow Core API menyediakan akses ke fungsionalitas tingkat rendah dalam ekosistem TensorFlow. API ini memberikan lebih banyak fleksibilitas dan kontrol untuk membangun model, aplikasi, dan alat ML, dibandingkan dengan API tingkat tinggi, seperti Keras.

Bangun model dan alur kerja

Core API paling sering digunakan untuk membuat model dan alur kerja machine learning yang sangat dapat disesuaikan dan dioptimalkan. Berikut adalah beberapa cara TensorFlow Core API dapat meningkatkan model pembelajaran mesin dan pengembangan alur kerja Anda:

TensorFlow

  • Membangun model atau lapisan non-tradisional yang tidak sepenuhnya sesuai dengan struktur yang didukung oleh API tingkat tinggi
  • Membangun lapisan kustom, kerugian, model, dan pengoptimal dalam Keras
  • Menerapkan teknik pengoptimalan baru untuk mempercepat konvergensi selama pelatihan
  • Membuat metrik khusus untuk evaluasi kinerja
  • Merancang loop pelatihan yang sangat dapat dikonfigurasi dengan dukungan untuk fitur seperti batching, validasi silang, dan strategi distribusi

Bangun kerangka kerja dan alat

TensorFlow Core API juga dapat berfungsi sebagai blok penyusun untuk kerangka kerja tingkat tinggi yang baru. Berikut adalah beberapa contoh alat dan kerangka kerja yang dibuat dengan API tingkat rendah: TensorFlow

Bangun untuk komputasi ilmiah

TensorFlow Core API juga dapat diterapkan di luar ranah pembelajaran mesin. Berikut adalah beberapa kasus penggunaan umum TensorFlow untuk komputasi ilmiah: TensorFlow

Komponen API inti

Berikut adalah beberapa komponen dasar yang terdiri dari API tingkat rendah TensorFlow Core. Perhatikan bahwa ini bukan daftar yang mencakup semua:

TensorFlow

Langkah selanjutnya

Dokumentasi Build with Core menyediakan tutorial konsep pembelajaran mesin dasar dari awal. Tutorial di bagian ini membantu Anda merasa nyaman dengan menulis kode tingkat rendah dengan API Inti yang kemudian dapat Anda terapkan ke kasus penggunaan Anda sendiri yang lebih kompleks.

Untuk mulai menggunakan dan mempelajari lebih lanjut tentang Core API, lihat Panduan Memulai untuk TensorFlow Core .