مسرد مصطلحات التعلم الآلي: TensorFlow

تنظيم صفحاتك في مجموعات يمكنك حفظ المحتوى وتصنيفه حسب إعداداتك المفضّلة.

تحتوي هذه الصفحة على مصطلحات مسرد TensorFlow. للاطّلاع على جميع مصطلحات المسرد، انقر على هذا الرابط.

B

الاستنتاج المجمّع

عملية استنتاج التوقّعات من عدة أمثلة غير مصنّفة مُقسّمة إلى مجموعات فرعية أصغر ("مجموعات").

يمكن أن تستفيد الاستنتاجات المجمّعة من ميزات التوازي في شرائح المعالِج. وهذا يعني أنّه يمكن لمُسرِّعات متعدّدة استنتاج توقّعات في الوقت نفسه على دفعات مختلفة من المثالين غير المصنّفة، ما يؤدي إلى زيادة عدد الاستنتاجات بشكل كبير في الثانية.

اطّلِع على أنظمة تعلُّم الآلة في مرحلة الإنتاج: الاستنتاج الساكن مقابل الاستنتاج الديناميكي في الدورة التدريبية المكثّفة لتعلُّم الآلة للحصول على مزيد من المعلومات.

C

Cloud TPU

مسرِّع أجهزة مخصّص مصمّم لتسريع مهام عمل تعلُّم الآلة على Google Cloud

D

واجهة برمجة التطبيقات لمجموعة البيانات (tf.data)

واجهة برمجة تطبيقات TensorFlow عالية المستوى لقراءة البيانات وتحويلها إلى تنسيق تتطلّبه خوارزمية تعلُّم الآلة يمثّل عنصر tf.data.Dataset تسلسلاً من العناصر، حيث يحتوي كل عنصر على مصفوفة تانسور واحدة أو أكثر. يوفر عنصر tf.data.Iterator إمكانية الوصول إلى عناصر Dataset.

جهاز

مصطلح يحمل أكثر من معنى واحد، مع التعريفَين التاليَين المحتملَين:

1. فئة من الأجهزة التي يمكنها تشغيل جلسة TensorFlow، بما في ذلك وحدات المعالجة المركزية ووحدات معالجة الرسومات ووحدات معالجة الموتّرات
2. عند تدريب نموذج تعلُّم آلي على شرائح المُسرِّعات (وحدات معالجة الرسومات أو وحدات معالجة النطاق الفائق)، هو الجزء من النظام الذي يُجري عمليات المعالجة للمصفوفات وعمليات التضمين. يعمل الجهاز على شرائح مسرعات. في المقابل، يعمل المضيف عادةً على وحدة المعالجة المركزية.

E

التنفيذ الفوري

بيئة برمجة TensorFlow يتم فيها تنفيذ operations على الفور. في المقابل، لا يتم تنفيذ العمليات التي يتمّ استدعاؤها في تنفيذ الرسم البياني إلى أن يتمّ تقييمها صراحةً. التنفيذ الفوري هو واجهة إلزامية، تمامًا مثل الرمز البرمجي في معظم لغات البرمجة. إنّ برامج التنفيذ الفوري هي بشكل عام أسهل بكثير في تصحيح الأخطاء من برامج تنفيذ الرسوم البيانية.

Estimator

واجهة برمجة تطبيقات TensorFlow منتهية الصلاحية استخدِم tf.keras بدلاً من أدوات التقدير.

F

هندسة الخصائص

عملية تتضمّن الخطوات التالية:

1. تحديد الميزات التي قد تكون مفيدة في تدريب نموذج
2. تحويل البيانات الأولية من مجموعة البيانات إلى إصدارات فعّالة من هذه الميزات

على سبيل المثال، قد تحدّد أنّ temperature قد تكون ميزة مفيدة. بعد ذلك، يمكنك تجربة التجميع لتحسين المعلومات التي يمكن للنموذج تعلّمها من نطاقات temperature مختلفة.

يُطلق على هندسة الميزات أحيانًا اسم استخراج الميزات أو إنشاء الميزات.

انقر على الرمز للحصول على ملاحظات إضافية حول TensorFlow.

في TensorFlow، غالبًا ما تعني هندسة الميزات تحويل إدخالات ملف السجلّ الأوّلي إلى وحدات تخزين بروتوكول tf.Example. اطّلِع أيضًا على tf.Transform.

---

اطّلِع على البيانات الرقمية: كيفية نقل النموذج للبيانات باستخدام ناقلات السمات في الدورة التدريبية المكثّفة حول تعلُّم الآلة للحصول على مزيد من المعلومات.

مواصفات الخصائص

يصف هذا القسم المعلومات المطلوبة لاستخراج بيانات features من وحدة تخزين بروتوكول tf.Example. بما أنّ ملف تعريف برمجة التطبيقات tf.Example protocol buffer هو مجرد حاوية للبيانات، يجب تحديد ما يلي:

• البيانات المطلوب استخراجها (أي مفاتيح الميزات)
• نوع البيانات (على سبيل المثال، float أو int)
• الطول (ثابت أو متغيّر)

G

رسم بياني

في TensorFlow، مواصفات الحساب تمثل العقد في الرسم البياني العمليات. تكون الحواف موجّهة وتمثّل تمرير نتيجة عملية (Tensor) كأحد المَعلمات لعملية أخرى. استخدِم TensorBoard لعرض رسم بياني.

تنفيذ الرسم البياني

بيئة برمجة TensorFlow التي ينشئ فيها البرنامج أولاً رسمًا بيانيًا ثم ينفذ هذا الرسم البياني بالكامل أو جزءًا منه. تنفيذ رسومات البيان هو وضع التنفيذ التلقائي في TensorFlow 1.x.

يختلف ذلك عن التنفيذ الفوري.

H

مضيف

عند تدريب نموذج تعلُّم آلي على شرائح المعالِج المُسرِّع (وحدات معالجة الرسومات أو وحدات معالجة الوحدات الطرفية)، يُعدّ الجزء من النظام الذي يتحكّم في ما يلي:

• مسار الرمز البرمجي العام
• استخراج وتحويل مسار الإدخال

يتم تشغيل المضيف عادةً على وحدة معالجة مركزية، وليس على شريحة مسرع. ويعمل الجهاز على معالجة المتسلسلات التربيعية على شرائح المسرع.

L

واجهة برمجة التطبيقات للطبقات (tf.layers)

واجهة برمجة تطبيقات TensorFlow لإنشاء شبكة عصبية عميقة كتركيبة من الطبقات تتيح لك واجهة برمجة التطبيقات Layers API إنشاء أنواع مختلفة من الطبقات، مثل:

• tf.layers.Dense لـ طبقة مكتملة الاتصال.
• ‫tf.layers.Conv2D لطبقة تفافية

تتّبع واجهة برمجة التطبيقات Layers API اصطلاحات واجهة برمجة التطبيقات لطبقات Keras. وهذا يعني أنّه باستثناء بادئة مختلفة، تتضمّن جميع الدوال في واجهة برمجة التطبيقات Layers API الأسماء والتوقيعات نفسها التي تتضمّنها نظيراتها في واجهة برمجة التطبيقات Keras layers API.

M

شبكة متداخلة

في البرمجة المتزامنة لتعلُّم الآلة، هو مصطلح مرتبط بتخصيص البيانات وال النموذج إلى شرائح TPU، وتحديد كيفية تقسيم هذه القيم أو تكرارها.

شبكة هي مصطلح يحمل العديد من المعاني، ويمكن أن يشير إلى أيٍّ مما يلي:

• تخطيط فعلي لرقائق TPU
• بنية منطقية مجردة لربط البيانات والنموذج بشرائح TPU

في كلتا الحالتَين، يتم تحديد شبكة على أنّها شكل.

المقياس

إحصاءات تهمّك

الهدف هو مقياس يحاول نظام تعلُّم الآلة تحسينه.

لا

عقدة (رسم بياني TensorFlow)

عملية في رسم بياني TensorFlow

O

العملية (op)

في TensorFlow، أي إجراء ينشئ Tensor أو يغيّره أو يدمّره على سبيل المثال، ضرب المصفوفات هو عملية تأخذ مصفوفتَين كمدخل وتُنشئ مصفوفة واحدة كمُخرج.

P

خادم المَعلمات (PS)

وظيفة تتتبّع مَعلمات النموذج في بيئة موزّعة

سين

قائمة المحتوى التالي

عملية في TensorFlow تنفِّذ بنية بيانات ملف الانتظار يُستخدَم عادةً في I/O.

R

rank (Tensor)

عدد السمات في Tensor على سبيل المثال، يكون للقيمة عددية ترتيب 0، وللمتجه ترتيب 1، وللمصفوفة ترتيب 2.

يجب عدم الخلط بين هذا المقياس والترتيب (الترتيب الترتيبي).

الدليل الجذري

الدليل الذي تحدّده لاستضافة الأدلة الفرعية لملفات نقاط التحقق والأحداث في TensorFlow للنماذج المتعددة.

S

SavedModel

التنسيق المقترَح لحفظ نماذج TensorFlow واستعادتها ‫SavedModel هو تنسيق تسلسل قابل للاسترداد وغير معتمد على اللغة، ما يتيح للأنظمة والأدوات ذات المستوى الأعلى إنشاء نماذج TensorFlow واستخدامها وتحويلها.

اطّلِع على قسم "الحفظ والاستعادة" في دليل مطوّري TensorFlow للاطّلاع على التفاصيل الكاملة.

موفّر

عنصر TensorFlow مسؤول عن حفظ نقاط التحقق للنموذج

قطعة

تقسيم منطقي لمجموعة التدريب أو النموذج عادةً ما تنشئ بعض العمليات أجزاءً من خلال تقسيم الأمثلة أو المَعلمات إلى أجزاء (عادةً) بحجم متساوٍ. ويتم بعد ذلك تعيين كل شريحة إلى جهاز مختلف.

يُطلق على تقسيم النموذج اسم التوازي في النموذج، ويُطلق على تقسيم البيانات اسم التوازي في البيانات.

الملخّص

في TensorFlow، قيمة أو مجموعة من القيم يتم احتسابها في خطوة معيّنة، وتُستخدَم عادةً لتتبُّع مقاييس النموذج أثناء التدريب.

T

Tensor

بنية البيانات الأساسية في برامج TensorFlow وحدات Tensor هي هياكل بيانات خماسية الأبعاد (حيث يمكن أن يكون N كبيرًا جدًا)، وتكون عادةً كميات قياسية أو متجهات أو مصفوفات. يمكن أن تحتوي عناصر مصفوفة Tensor على قيم عدد صحيح أو عدد عشري أو سلسلة.

TensorBoard

لوحة البيانات التي تعرض الملخصات المحفوظة أثناء تنفيذ برنامج واحد أو أكثر من برامج TensorFlow

TensorFlow

منصة تعلُّم آلي موزّعة على نطاق واسع ويشير المصطلح أيضًا إلى طبقة واجهة برمجة التطبيقات الأساسية في حِزمة TensorFlow، والتي تتيح العمليات الحسابية العامة على الرسومات البيانية لتدفق البيانات.

على الرغم من أنّ TensorFlow تُستخدَم بشكل أساسي للتعلم الآلي، يمكنك أيضًا استخدام TensorFlow للمهام غير المتعلّقة بالتعلم الآلي والتي تتطلّب عمليات حسابية رقمية باستخدام رسومات تدفق البيانات.

TensorFlow Playground

برنامج يعرض بصريًا مدى تأثير المَعلمات الفائقة المختلفة في تدريب النموذج (الشبكة العصبية بشكل أساسي). انتقِل إلى http://playground.tensorflow.org لتجربة TensorFlow Playground.

منصة TensorFlow للعرض

منصة لنشر النماذج المدربة في مرحلة الإنتاج

وحدة معالجة الموتّرات (TPU)

دائرة متكاملة خاصة بالتطبيق (ASIC) تعمل على تحسين أداء أعباء عمل تعلُّم الآلة. يتم نشر هذه الدوائر المتكاملة الخاصة بالتطبيقات على هيئة شرائح TPU متعدّدة على جهاز TPU.

ترتيب المتّجه

اطّلِع على rank (Tensor).

شكل المتّجه

عدد العناصر التي يحتوي عليها Tensor في سمات مختلفة. على سبيل المثال، يكون شكل مصفوفة [5, 10] Tensor هو 5 في سمة واحدة و10 في سمة أخرى.

حجم المتّجه

إجمالي عدد القيم السلفية التي يحتوي عليها Tensor على سبيل المثال، حجم عنصر [5, 10] Tensor هو 50.

tf.Example

ملف تخزين بروتوكول عادي لوصف بيانات الإدخال لتدريب نموذج تعلُّم الآلة أو الاستنتاج

tf.keras

تنفيذ Keras مدمج في TensorFlow

TPU

اختصار وحدة معالجة الموتّرات.

شريحة TPU

مسرع قابل للبرمجة للجبر الخطي مزوّد بذاكرة عالية معدل نقل البيانات على الرقاقة محسَّن لأحمال عمل تعلُّم الآلة يتم نشر شرائح TPU متعددة على جهاز TPU.

جهاز TPU

لوحة دوائر كهربائية مطبوعة (PCB) تتضمّن عدّة شرائح TPU، وواجهات شبكة ذات نطاق تردد عالٍ، وأجهزة لتبريد النظام

عقدة وحدة معالجة الموتّرات

مورد وحدة معالجة موتّرات على Google Cloud مع نوع وحدة معالجة موتّرات محدّد تتصل عقدة TPU ب شبكة VPC من شبكة VPC ندّية. عقد TPU هي مورد محدّد في Cloud TPU API.

مجموعة وحدات معالجة الموتّرات

إعدادات محدّدة لأجهزة TPU في أحد مراكز بيانات Google تكون جميع الأجهزة في مجموعة TPU متصلة ببعضها عبر شبكة مخصّصة عالية السرعة. مجموعة وحدات معالجة TPU هي أكبر إعداد لأجهزة TPU المتاحة لإصدار معيّن من TPU.

مورد وحدة معالجة الموتّرات

عنصر وحدة معالجة TPU على Google Cloud الذي تنشئه أو تديره أو تستخدِمه. على سبيل المثال، عقد TPU وأنواع TPU هي موارد TPU.

شريحة TPU

شريحة TPU هي جزء جزئي من أجهزة TPU في مجموعة TPU. تكون جميع الأجهزة في شريحة TPU متصلة ببعضها البعض عبر شبكة مخصّصة عالية السرعة.

نوع وحدة معالجة الموتّرات

إعدادات جهاز TPU واحد أو أكثر باستخدام إصدار محدّد لأجهزة TPU يمكنك اختيار نوع وحدة معالجة الموتّرات عند إنشاء عقدة وحدة معالجة الموتّرات على Google Cloud. على سبيل المثال، v2-8 نوع وحدة معالجة الموتّرات هو جهاز TPU v2 واحد مزوّد بـ 8 نوى. يتضمّن نوع v3-2048 من وحدات TPU ‏256 وحدة TPU v3 متصلة بشبكة وإجمالي 2048 نواة. أنواع وحدات معالجة الموتّرات هي موارد يتم تحديدها في Cloud TPU API.

عامل وحدة معالجة التعرّف على الصور

عملية يتم تشغيلها على جهاز مضيف وتنفيذ برامج تعلُّم الآلة على أجهزة TPU