Johdatus TensorFlow-ohjelmaan
Tässä artikkelissa nähdään pääpiirteet TensorFlow-arkkitehtuurista. TensorFlow on monialustainen kirjasto, ja siellä on joitain yleisiä käsitteitä, kuten toiminnot, istunnot ja laskentakaaviot. TensorFlow Serving tekee uusista algoritmeista ja kokeista helpon käyttöönoton säilyttäen samalla tietokanta-arkkitehtuurilla ja sovellusliittymillä.
Mikä on Tensorflow-arkkitehtuuri?
Tensorflow on yleisesti käytetty syvän oppimisen kirjasto, jonka on rakentanut keinotekoista älykkyyttä käsittelevä Google-aivotiimi. Se kehitettiin siten, että sitä voidaan käyttää useissa suorittimissa, GPU: issa, ja se voi myös toimia mobiililaitteissa ja tukee erilaisia kääreluokkia, kuten python, C ++ tai Java ja Tensors, jotka ovat objekteja, jotka kuvaavat lineaarista suhdetta vektorien, skalaarien ja muiden tenorien välillä. .
Tenorit ovat vain moniulotteisia ryhmiä. TensorFlow-arkkitehtuurin ja ominaisuuksien ymmärtämiseksi meidän on ensin ymmärrettävä joitain termejä.
- Tensorflow-palvelimet
- Palveltavat versiot
- Palveltavissa olevat virrat
- Tensorflow-malli
- Tensorflow kuormaajat
- Tensorflow-lähteet
- Tensorflow Manager
- Tensorflow-ydin
- Palveltavissa oleva elämä
- Batter Tensorflow-arkkitehtuurissa
1. Tensorflow-palvelimet
- Tensorflow-palvelimet ovat yleisiä esineitä, joita käytetään pääasiassa laskentaan. TensorFlow-palvelimen koko on erittäin joustava. Palvelimet ovat keskeisiä keskeneräisiä yksiköitä TensorFlow-palvelussa.
- Palveltava yksikkö voi sisältää mitä tahansa, kuten se voi sisältää tupleja, hakutaulukoita. Palveltavat objektit voivat olla mitä tahansa tyyppiä ja minkä tahansa rajapinnan, koska näiden ominaisuuksien vuoksi se on erittäin joustava ja helppo tehdä tulevaisuuden parannuksia, kuten asynkroniset toimintatavat, suoratoistotulokset ja kokeelliset sovellusliittymät.
2. Palveltavat versiot
- Palveltavia versioita käytetään ylläpitämään TensorFlow-versioita. Se pystyy käsittelemään yhtä tai useampaa Servables-versiota. Se voi auttaa määrittämään uudet algoritmit, käsittelemään painot ja muut muutokset voidaan tehdä, tietoja voidaan ladata.
- Se voi myös muuttaa ja hallita versioita, ottaa käyttöön useita palveltavia versioita kerrallaan.
3. Palvelevat virrat
Se on kokoelma palvelimien erilaisia versioita. Se tallentaa sen kasvavaan sarjaan versioita.
4. Tensorflow-mallit
- TensorFlow-malli voi sisältää yhden tai useamman TensorFlow-palvelimen. Sitä käytetään pääasiassa koneoppimistehtävissä, jotka voivat sisältää useamman kuin yhden algoritmin, joka sisältää erilaisia painoja mallin, hakutaulukoiden, mittareiden ja taulukkojen upotusten mukaan.
- Se voidaan palvella monin eri tavoin, siten että hakutaulukon tarjoamiseksi on olemassa erilaisia tapoja.
5. Tensorflow-kuormaajat
- Tensorflow loader on sovellusliittymä, joka hallinnoi TensorFlow Servables elinkaarta. Se tarjoaa yhteisen infrastruktuurin joillekin oppimisalgoritmeille.
- TensorFlow-kuormaimen pääasiallinen käyttö on palvelimien lataaminen ja purkaminen standardisoitujen latausliittymien avulla.
6. Tensorflow-lähteet
- Lähteet ovat työtä laajennusmoduulina. Tensorflow-lähde suorittaa palveltavissa olevan peruskäsittelyn, kuten löydettävyyden, tarjota palveltavissa pyynnöstä.
- Jokainen viite voi tarjota yhden tai useamman palveltavissa olevan virran kerrallaan. Jokainen lähde tarjoaa latausinstanssin streamin version käsittelemiseksi. Ja jokainen palveltava stream ladataan versiopohjaiseen.
- Lähteessä on erilaisia tiloja, jotka voidaan jakaa eri versioille ja useille Palvelimille. Pystyy käsittelemään myös päivitystä tai vaihtoa versioiden välillä.
7. Tensorflow-johtajat
- Tensorflow manager hoitaa palveltavissa olevan elinkaaren päästä loppuun.
- Ladattavissa palveltava, palveltava palveltava, purkaminen palveltavissa.
- Manager saa vastauksen kaikista saatavissa olevista lähteistä ja seuraa myös kaikkia sen versioita. Hallinnoija voi myös kieltää tai lykätä lataamista.
- GetServableHandle () -toiminto tarjoaa käyttöliittymän, joka auttaa käsittelemään TensorFlow-palvelimien hallintaan liittyviä asioita.
8. Tensorflow-ydin
Tensorflow-ydin sisältää:
- Elinkaari, metrit.
- Tensorflow-palveleva ydin vie palvelun ja kuormaajan esineeksi.
9. Palvelun elämä
Koko menettelytapa selitetään siitä, kuinka palveltavaa käytetään ja koko palvelun elinkaari:
- Lähde luo kuormaajia erilaisille saatavissa oleville versioille. Asiakaspyyntö johtajalle ja johtajalle lähetti kuormaajiin halutun version, lataa ja palvelee takaisin asiakkaalle.
- Loader sisältää metatietoja, joita voidaan käyttää palvelimien lataamiseen. Takaisinsoittoa käytetään ilmoittamaan ylläpitäjälle palveltavista lähdeversioista. Hallinnoija noudattaa versiokäytäntöä, joka auttaa määrittämään ja päättämään, mitä seuraavaksi tarvitaan.
- Johtaja tarkastaa myös kuormaajien turvallisuuden, jos se on turvallinen, vain se antaa tarvittavat resurssit lastaajalle ja antaa luvan uuden version lataamiseen. Hallinnoija toimittaa erotettavissa olevan asiakkaan pyynnöstä, tai se pyytää tiettyä versiota nimenomaisesti tai voi pyytää suoraa uusinta versiota sen jälkeen, kun tämä johtaja palauttaa kahvan pääsyyn palveltavaan.
- Dynamic manager käsittelee palveltavia versioita, soveltaa versiokäytäntöä ja päättää, onko versio tai uusin versio ladattava. Dynaaminen hallintaohjelma varaa muistin lataajalle. Loader käynnistää TensorFlow-kuvaajan ja päivittää TensorFlow-kuvaajan painot.
- Kun asiakas pyytää palveltavaa ja tarkistaa asiakkaan pyytämän version, Dynamic Manager palauttaa kyseisen käsittelijän pyydettävän Servable-version kanssa.
10. Annostelija Tensorflow-arkkitehtuurissa
- Eräajo on menettely useiden pyyntöjen käsittelemiseksi yhdeksi pyynnöksi.
- Käyttämällä tätä menettelyä voimme vähentää päätelmien suorittamisen kustannuksia, etenkin laitteistojen, kuten GPU, TPU, kiihdyttämisessä.
- Tensorflow-päivitettävä sisältää Batcher-widgetin, tämän widgetin avulla asiakkaat voivat helposti erottaa useita erityisiä päätelmäpyyntöjään yhdeksi eräpyynnöksi. Joten he voivat suorittaa tämän toimenpiteen tehokkaasti.
Johtopäätös - TensorFlow-arkkitehtuuri
Tensorflow-arkkitehtuuri edustaa hajautettua järjestelmää. Se osoittaa kuinka eri komponentit toimivat ja palvelevat rooliaan hajautetussa järjestelmässä. Palvelemme asiakkaan pyynnöstä ja useiden operaatioiden eräajoittaminen rinnakkain. Jotkut TensorFlow-arkkitehtuurin parhaista ominaisuuksista ovat operaatioiden, laitteistokiihdytyksen ja dynaamisten hallintavaihtoehtojen, latauslaitteiden, lähteiden ja siirrettävien streamien eräajoittaminen.
Suositellut artikkelit
Tämä on opas TensorFlow-arkkitehtuuriin. Tässä keskustellaan Mikä on TensorFlow ja joitain TensorFlow-arkkitehtuurin parhaista ominaisuuksista. Voit myös käydä läpi muiden ehdotettujen artikkeleidemme saadaksesi lisätietoja -
- Johdanto Tensorflowiin ominaispiirteillä
- TensorFlow vs. kipinä | 5 suosituinta vertailua
- Theano vs Tensorflow - Suurimmat erot
- TensorFlow-vaihtoehdot | Top 11