Deep FlexibilityTensorFlow isn't a

Deep Flexibility

TensorFlow isn't a rigid neural networks library. If you can express your computation as a data flow graph, you can use TensorFlow. You construct the graph, and you write the inner loop that drives computation. We provide helpful tools to assemble subgraphs common in neural networks, but users can write their own higher-level libraries on top of TensorFlow. Defining handy new compositions of operators is as easy as writing a Python function and costs you nothing in performance. And if you don't see the low-level data operator you need, write a bit of C++ to add a new one.

ผลลัพธ์ (ไทย) 1:

ลึกมีความยืดหยุ่นTensorFlow ไม่ใช่ไลบรารีเครือข่ายประสาทแข็ง ถ้าคุณสามารถแสดงการคำนวณเป็นกราฟการไหลข้อมูล คุณสามารถใช้ TensorFlow คุณสร้างกราฟ และคุณเขียนลูปด้านในที่ขับคำนวณ เรามีเครื่องมือที่เป็นประโยชน์ประกอบ subgraphs ทั่วไปในเครือข่ายประสาท แต่ผู้ใช้สามารถเขียนไลบรารีของตัวเองสูงกว่าด้านบนของ TensorFlow การกำหนดองค์ประกอบใหม่ที่ประโยชน์ของผู้ประกอบการเป็นเรื่องง่ายเหมือนการเขียนฟังก์ชันงูเหลือม และค่าใช้จ่ายอะไรในการทำงาน ถ้า คุณไม่เห็นตัวดำเนินการข้อมูลระดับต่ำที่คุณต้องการ เขียนของ c ++เพิ่มใหม่

ผลลัพธ์ (ไทย) 2:

ลึกความยืดหยุ่น

TensorFlow ไม่แข็งห้องสมุดเครือข่ายประสาท หากคุณสามารถแสดงการคำนวณของคุณเป็นกราฟการไหลของข้อมูลที่คุณสามารถใช้ TensorFlow คุณสร้างกราฟและคุณเขียนภายในวงที่ไดรฟ์การคำนวณ เรามีเครื่องมือที่เป็นประโยชน์ต่อการประกอบ subgraphs ร่วมกันในเครือข่ายประสาท แต่ผู้ใช้สามารถเขียนห้องสมุดระดับสูงของตัวเองอยู่ด้านบนของ TensorFlow การกำหนดองค์ประกอบใหม่ที่มีประโยชน์ของผู้ประกอบการเป็นเรื่องง่ายเหมือนการเขียนฟังก์ชั่นหลามและค่าใช้จ่ายที่คุณไม่มีอะไรในการปฏิบัติงาน และถ้าคุณไม่เห็นผู้ประกอบการข้อมูลในระดับต่ำที่คุณต้องการเขียนบิตของ C ++ ที่จะเพิ่มใหม่

ผลลัพธ์ (ไทย) 3:

ความยืดหยุ่นลึกtensorflow ไม่แข็งข่ายงานห้องสมุด ถ้าคุณสามารถแสดงการคำนวณของคุณเป็นกราฟการไหลของข้อมูล คุณสามารถใช้ tensorflow . คุณสามารถสร้างกราฟและคุณเขียนภายในลูปที่ทำให้ผลที่ได้จากการคำนวณ เราให้เครื่องมือที่เป็นประโยชน์เพื่อประกอบขนาดทั่วไปในโครงข่าย แต่ผู้ใช้สามารถเขียนของตัวเองสูงห้องสมุดบน tensorflow . การกำหนดองค์ประกอบ ประโยชน์ใหม่ของผู้ประกอบการเป็นเรื่องง่ายเหมือนการเขียน Python ฟังก์ชั่นและคุณไม่มีค่าใช้จ่ายในการปฏิบัติงาน และถ้าคุณไม่พบข้อมูลที่คุณต้องการในพนักงานเขียนบิตของ C + + ที่จะเพิ่มใหม่