TensorFlow é uma biblioteca de código aberto para aprendizado de máquina aplicável a uma ampla variedade de tarefas. É um sistema para criação e treinamento de redes neurais para detectar e decifrar padrões e correlações, análogo à forma como humanos aprendem e raciocinam.
VEJA TAMBÉM:
- CRIANDO CONVERSOR BINÁRIO PARA DECIMAL COM PHP5
- PACKAGIST – REPOSITÓRIO DE COMPONENTES PHP
- TIPS FOR PHP
Por que usar o TensorFlow?
O TensorFlow é uma plataforma completa de código aberto para machine learning. Ele tem um ecossistema abrangente e flexível de ferramentas, bibliotecas e recursos da comunidade que permite aos pesquisadores levar adiante ML de última geração e aos desenvolvedores criar e implantar aplicativos com tecnologia de ML.
Criação fácil de modelos
Use APIs intuitivas de alto nível, como o Keras com execução rápida, para criar e treinar modelos de ML com facilidade. Elas permitem iteração imediata de modelos e depuração simplificada.
Criação fácil de modelos
Use APIs intuitivas de alto nível, como o Keras com execução rápida, para criar e treinar modelos de ML com facilidade. Elas permitem iteração imediata de modelos e depuração simplificada.
Experimentos poderosos para pesquisa
Uma arquitetura simples e flexível que transforma novas ideias conceituais em código e em modelos de última geração, o que permite uma publicação mais rápida.
Introdução a ML
Machine learning é a prática de ajudar softwares a realizar tarefas sem programação ou regras explícitas. Na programação tradicional, um desenvolvedor especifica regras que o computador precisa seguir. Porém, ML demanda uma mentalidade diferente. No mundo real, o foco de ML é mais na análise de dados do que na programação. Os desenvolvedores fornecem exemplos, e o computador aprende padrões a partir dos dados. Pense em machine learning como “programação com dados”.
Passos para resolver um problema de ML
Há muitos passos no processo de extrair respostas dos dados com ML. Para ter uma visão geral passo a passo, confira este guia que mostra o fluxo de trabalho completo de classificação de texto e descreve etapas importantes, como coletar um conjunto de dados, treinar e avaliar um modelo com o TensorFlow.
Anatomia de uma rede neural
Uma rede neural é um tipo de modelo treinado para reconhecer padrões. Ela é composta por camadas de entrada e finais, além de pelo menos uma camada escondida. Os neurônios de cada uma delas aprendem representações cada vez mais abstratas dos dados. Por exemplo, neste diagrama, vemos neurônios que detectam linhas, formas e texturas. Essas representações (ou características aprendidas) possibilitam a classificação dos dados.
Treinar uma rede neural
Redes neurais são treinadas por gradiente descendente Os pesos de cada camada começam com valores aleatórios, que melhoram por iteração com o tempo. Isso aumenta a acurácia da rede. Uma função de perda é usada para quantificar essa acurácia. Um processo chamado retropropagação é usado para determinar se o peso aumentará ou diminuirá a fim de reduzir a perda.
Bibliotecas e extensões
Descubra bibliotecas para criar modelos ou métodos avançados com o TensorFlow e acesse pacotes de aplicativos específicos ao domínio que ampliam o TensorFlow. Esta é uma amostra dos tutoriais disponíveis para esses projetos.
Os tutoriais do TensorFlow são escritos como notebooks do Jupyter e executados diretamente no Google Colab, um ambiente de notebook hospedado que não precisa de configuração. Clique no botão Executar no Google Colab.