Interfejsy API TensorFlow Core zapewniają zestaw kompleksowych, komponowalnych i rozszerzalnych interfejsów API niskiego poziomu do wysokowydajnych (rozproszonych i przyspieszonych) obliczeń, których głównym celem jest budowanie modeli uczenia maszynowego (ML), a także tworzenie narzędzi i struktur przepływu pracy ML w ramach Platforma TensorFlow. Te interfejsy API stanowią podstawę do tworzenia wysoce konfigurowalnych modeli z precyzyjną kontrolą i nowymi platformami od podstaw.
Podstawowe interfejsy API mogą być używane jako alternatywa dla interfejsów API uczenia maszynowego wysokiego poziomu, takich jak Keras. Te interfejsy API wysokiego poziomu najlepiej nadają się do ogólnych potrzeb związanych z uczeniem maszynowym. Oferują różnorodne moduły, które usuwają złożoność ML, a jednocześnie oferują funkcje dostosowywania poprzez podklasy. Jeśli szukasz omówienia TensorFlow przy użyciu Keras, zapoznaj się z sekcjami Szybki start i Keras w samouczkach .
Kto powinien korzystać z podstawowych interfejsów API
Interfejsy API niskiego poziomu TensorFlow Core zostały zaprojektowane z myślą o następujących programistach ML:
- Badacze budują złożone modele o wysokim poziomie konfigurowalności
- Deweloperzy zainteresowani wykorzystaniem TensorFlow jako wysokowydajnej naukowej platformy obliczeniowej
- Twórcy frameworka budujący narzędzia na bazie platformy TensorFlow
- Użytkownicy API wysokiego poziomu zainteresowani:
- Dodawanie dodatkowych funkcji do przepływów pracy uczenia maszynowego, takich jak niestandardowe warstwy, straty, modele i optymalizatory
- Dowiedz się więcej o wewnętrznym działaniu ich modeli
Podstawowe aplikacje API
Interfejsy API TensorFlow Core zapewniają dostęp do funkcji niskiego poziomu w ekosystemie TensorFlow. Ten interfejs API zapewnia większą elastyczność i kontrolę podczas tworzenia modeli, aplikacji i narzędzi ML w porównaniu z interfejsami API wysokiego poziomu, takimi jak Keras.
Twórz modele i przepływy pracy
Podstawowe interfejsy API są najczęściej używane do tworzenia wysoce konfigurowalnych i zoptymalizowanych modeli uczenia maszynowego i przepływów pracy. Oto kilka sposobów, w jakie interfejsy API TensorFlow Core mogą ulepszyć modele uczenia maszynowego i rozwój przepływu pracy:
- Budowanie nietradycyjnych modeli lub warstw, które nie w pełni pasują do struktur obsługiwanych przez interfejsy API wysokiego poziomu
- Tworzenie niestandardowych warstw, strat, modeli i optymalizatorów w Keras
- Wdrażanie nowych technik optymalizacji w celu przyspieszenia konwergencji podczas szkolenia
- Tworzenie niestandardowych metryk do oceny wydajności
- Projektowanie wysoce konfigurowalnych pętli szkoleniowych z obsługą takich funkcji, jak przetwarzanie wsadowe, weryfikacja krzyżowa i strategie dystrybucji
Twórz frameworki i narzędzia
Interfejsy API TensorFlow Core mogą również służyć jako elementy składowe nowych struktur wysokiego poziomu. Oto kilka przykładów narzędzi i platform tworzonych za pomocą interfejsów API niskiego poziomu: 
- Keras : głębokie uczenie się dla ludzi
- TensorFlow Model Optimization Toolkit : zestaw narzędzi do optymalizacji modeli ML na potrzeby wdrażania i wykonywania
- Grafika TensorFlow : biblioteka zapewniająca szeroki dostęp do przydatnych funkcji graficznych
Zbuduj do obliczeń naukowych
Interfejsy API TensorFlow Core mogą być również stosowane poza dziedziną uczenia maszynowego. Oto kilka ogólnych zastosowań TensorFlow do obliczeń naukowych: 
- Symulacje fizyczne dla zagadnień mechaniki ciał stałych i dynamiki płynów
- Aplikacje do renderowania grafiki, takie jak ray tracing
- Rozwiązywanie problemów optymalizacji z ograniczeniami
Podstawowe komponenty API
Oto niektóre podstawowe komponenty, które składają się na interfejsy API niskiego poziomu TensorFlow Core. Pamiętaj, że nie jest to pełna lista:
- Struktury danych:
tf.Tensor,tf.Variable,tf.TensorArray - Prymitywne API:
tf.shape, slicing ,tf.concat,tf.bitwise - Numeryczne:
tf.math,tf.linalg,tf.random - Komponenty funkcjonalne:
tf.function,tf.GradientTape - Dystrybucja: DTensor
- Eksport:
tf.saved_model
Następne kroki
Dokumentacja Build with Core zawiera samouczki dotyczące podstawowych koncepcji uczenia maszynowego od podstaw. Samouczki w tej sekcji pomogą Ci zapoznać się z pisaniem kodu niskiego poziomu za pomocą podstawowych interfejsów API, który możesz następnie zastosować do własnych, bardziej złożonych przypadków użycia.
Aby rozpocząć korzystanie z podstawowych interfejsów API i dowiedzieć się więcej o nich, zapoznaj się z przewodnikiem Szybki start dla TensorFlow Core .