Trang tài liệu
Khóa học C++ nền tảng
Chương 20. Thư viện
TenorFlow

TenorFlow

TensorFlow là một thư viện học máy nguồn mở được phát triển bởi các nhà nghiên cứu và kỹ sư từ nhóm Google Brain. Nó được thiết kế để xây dựng, đào tạo và triển khai các mô hình học sâu. TensorFlow cung cấp một bộ công cụ cho ML, học sâu và tính toán số bằng biểu đồ luồng dữ liệu. TensorFlow có thể xử lý tính toán trên GPU và TPU, giúp tăng tốc thời gian đào tạo và đảm bảo triển khai mô hình hiệu quả.

Cài đặt

Bạn có thể cài đặt TensorFlow bằng trình quản lý gói Python pip:

pip install tensorflow

Sử dụng cơ bản

Đây là một ví dụ đơn giản về cách tạo và huấn luyện mạng nơ-ron với TensorFlow:

import tensorflow as tf
from tensorflow import keras
 
# Load dataset
mnist = keras.datasets.mnist
(train_images, train_labels), (test_images, test_labels) = mnist.load_data()
 
# Preprocess data
train_images = train_images / 255.0
test_images = test_images / 255.0
 
# Define model
model = keras.Sequential([
    keras.layers.Flatten(input_shape=(28, 28)),
    keras.layers.Dense(128, activation='relu'),
    keras.layers.Dense(10, activation='softmax')
])
 
# Compile model
model.compile(optimizer='adam',
              loss='sparse_categorical_crossentropy',
              metrics=['accuracy'])
 
# Train model
model.fit(train_images, train_labels, epochs=5)
 
# Evaluate model
test_loss, test_acc = model.evaluate(test_images, test_labels, verbose=2)
print('\nTest accuracy:', test_acc)

Mã code này tải tập dữ liệu MNIST, xử lý trước dữ liệu, tạo một mạng nơ-ron đơn giản, biên dịch, huấn luyện và đánh giá hiệu suất của nó trên tập kiểm tra.

Để sử dụng nâng cao hơn, TensorFlow cung cấp một số API như tf.data, tf.keras và tf.estimator cho phép các pipeline nhập dữ liệu linh hoạt và hiệu quả, soạn thảo và huấn luyện các kiến trúc mạng nơ-ron phức tạp cũng như quản lý đào tạo phân tán quy mô lớn.

Bạn có thể truy cập trang web chính thức của TensorFlow (https://www.tensorflow (opens in a new tab). org/) và kho lưu trữ GitHub của họ (https://github.com/tensorflow/tensorflow (opens in a new tab)) để biết thêm thông tin, hướng dẫn và tài nguyên.