TensorFlow

TensorFlow ist ein vom Google Brain Team entwickeltes Framework datenstromorientierter Programmierung und findet im Bereich des maschinellen Lernens populäre Anwendung. Derzeit wird es in kommerziellen Google-Produkten wie Spracherkennung, Gmail, Google Fotos und der Google Suche verwendet. Zunächst wurde TensorFlow für den Google-internen Bedarf entwickelt, später unter der Apache-2.0-Open-Source-Lizenz veröffentlicht.

Das Framework wird aus Python-Programmen heraus benutzt und wurde in C++ implementiert. Bisher gibt es zwei öffentliche Releases von TensorFlow: Keras (1.4) und TensorFlow Lite (1.5).

Beispiel eines TensorFlow-Programms

# Über TensorFlow laden
#
# from tensorflow.keras.layers import Dense
# from tensorflow.keras.models import Sequential
#
# oder
#
# Aus Keras direkt laden
from keras.layers import Dense
from keras.models import Sequential

# Numpy laden und festlegen des Zufalls-Startwertes
import numpy as np
np.random.seed(1337)

# Matplotlib zur grafischen Darstellung laden
import matplotlib.pyplot as plt

# Daten in Arrays speichern
eingangswerte = np.array([[0, 0], [0, 1], [1, 0], [1, 1]])
ausgangswerte = np.array([[0], [1], [1], [0]])

# Erstellt das Model mit 2 Eingangsnodes, 2 Mittelnodes und einer Ausgangsnode
num_inner = 2

model = Sequential()
model.add(Dense(num_inner, input_dim=2, activation='sigmoid'))
model.add(Dense(1))

# Kompiliert das Model, damit es spaeter verwendet werden kann
model.compile(loss='mean_squared_error',
              optimizer='adam',
              metrics=['accuracy'])

# Trainiert das Model mit den Eingangs-
# und den entsprechenden Ausgangswerten fuer 10000 Epochen
model.fit(x=eingangswerte, y=ausgangswerte, epochs=10000, verbose=0)

# Testet die Eingangsdaten und schreibt die Ergebnisse in die Konsole
print(model.predict(eingangswerte))

Was können wir für Sie tun?

+49 911 131 3970 - 0     kontakt@wwnbg.de