 | Bu madde veya sayfabaşka bir dilden kötü bir biçimde tercüme edilmiştir. Sayfa makine çevirisi veya dilde yetkinliği bulunmayan bir çevirmen tarafından oluşturulmuş olabilir. Lütfençeviriyi geliştirmek için yardım edin.(Eylül 2025) |
 | |
| Geliştirici | Google Brain[1] |
|---|---|
| İlk yayınlanma | 9 Kasım 2015 (10 yıl önce) (2015-11-09) |
| Güncel sürüm | 2.20.0[2]  13 Ağustos 2025 |
| Kod deposu | |
| Programlama dili | Python,C++,CUDA |
| Platform | Linux,macOS,Windows,Android,JavaScript[3] |
| Tür | Makine öğrenimikütüphanesi |
| Lisans | Apache Lisansı 2.0 |
| Resmî sitesi | tensorflow.org |
TensorFlow,makine öğrenimi içinücretsiz ve açık kaynaklı biryazılım kütüphanesidir . Bir dizi görevde kullanılabilir, ancakderin sinir ağlarının eğitimi veçıkarımına özel olarak odaklanmaktadır.[4][5]
Tensorflow, veri akışına vetürevlenebilir programlamaya dayalı sembolik birmatematik kitaplığıdır.Google'da hem araştırma hem de üretim için kullanılmaktadır.[6][7][8]
TensorFlow,Google Brain ekibi tarafındanGoogle'ın iç işlerinde kullanımı için geliştirilmiştir. 2015 yılındaApache License 2.0 sürümü altında piyasaya sürülmüştür.[1][9]
2011'den itibaren, Google Brain DistBelief'iderin öğrenmesinir ağlarınaözel mülk birmakine öğrenimi sistemi olarak geliştirmiştir. Kullanımı, hem araştırma hem de ticari uygulamala alanlarında çeşitliAlphabet şirketlerinde hızla artmıştır.[10][11] Google, DistBelief'in kod tabanını basitleştirmek ve yeniden düzenlemek içinJeff Dean dahil olmak üzere birden fazla bilgisayar bilimcisini görevlendirmiştir. Yapılan çalışmalar sonucunda TensorFlow ortaya çıkmıştır.[12] 2009 yılında,Geoffrey Hinton liderliğindeki ekip, genelleştirilmiş geri yayılımı ve önemli ölçüde daha yüksek doğruluklasinir ağlarının üretilmesine izin veren iyileştirmeleri uygulamaya koymuştur. Ayrıca,konuşma tanımadaki hatalarda %25'lik bir azalma sağlayan diğer iyileştirmeleri de uygulamaya koymuştur.[13]
TensorFlow, Google Brain'in ikinci nesil sistemidir. 1.0.0 sürümü 11 Şubat 2017'de yayınlanmıştır.[14]Referans uygulama tek cihazlarda çalışırken, TensorFlow birden fazlaCPU veGPU üzerinde çalışabilmektedir(grafik işleme birimlerinde genel amaçlı bilgi işlem için isteğe bağlıCUDA veSYCL uzantıları ile birlikte).[15] TensorFlow, 64 bitLinux,macOS,Windowsve Android veiOS dahil mobil bilgi işlem platformlarında mevcuttur.
Esnek mimarisi, hesaplamanın çeşitli platformlarda (CPU'lar, GPU'lar,TPU'lar ) ve masaüstlerinden sunucu kümelerine, mobil ve uç cihazlara kadar kolay dağıtımına olanak tanımaktadır.
TensorFlow hesaplamaları,durum bilgisi olanveri akışıgrafikleri olarak ifade edilebilmektedir.TensorFlow adı, bu tür sinir ağlarınıntensörler olarak adlandırılan çok boyutlu veri dizileri üzerinde gerçekleştirdiği işlemlerden türemiştir. Haziran 2016'dakiGoogle I / O Konferansı sırasında Jeff Dean,GitHub'daki 1.500 kütüphanenin TensorFlow'dan bahsettiğini ve bunlardan sadece 5'inin Google tarafından oluşturulduğunu belirtmiştir.[16]
Aralık 2017'de Google, Cisco, Red Hat, CoreOS ve CaiCloud'dan gelen geliştiriciler bir konferanstaKubeflow'u tanıtmıştır. Kubeflow, Kubernetes üzerinde TensorFlow'un çalıştırılmasına ve konuşlandırılmasına izin vermektedir.
Mart 2018'de Google,JavaScript'te makine öğrenimi için TensorFlow.js sürüm 1.0'ı duyurmuştur.[17]
Ocak 2019'da Google, TensorFlow 2.0'ı duyurmuştur.[18] Resmi olarak Eylül 2019'da erişilebilir hale gelmiştir.[19]
Mayıs 2019'da Google, bilgisayar grafiklerinde derin öğrenme için TensorFlow Graphics'i duyurmuştur.[20]
Mayıs 2016'da Google, özelliklemakine öğrenimi için geliştirilmiş ve TensorFlow için özel olarak tasarlanmış, uygulamaya özel birentegre devre (ASIC, bir donanım çipi) olanTensor işleme birimini (Tensor processing unit (TPU)) duyurmuştur. TPU, düşük hassasiyetliaritmetikte (ör.8 bit ) yüksek verim sağlamak için tasarlanmıştır. Ayrıca,modelleri eğitmek yerine kullanmaya veya çalıştırmaya yönelik programlanabilir biryapay zeka hızlandırıcısıdır. Google, veri merkezlerinde bir yıldan uzun süredir TPU'ları çalıştırdıklarını açıklamıştır. Aynı zamanda, makine öğrenimi içinwatt başına daha iyi optimize edilmiş bir performans beklediklerini açıklamıştır.[21]
Mayıs 2017'de Google, ikinci neslin yanı sıra TPU'larınGoogle Compute Engine'de kullanılabilirliğini duyurmuştur.[22] İkinci nesil TPU'lar 180 teraflop'a kadar performans sunmaktadır. Ayrıca, 64 TPU'luk kümeler halinde düzenlendiklerinde 11,5 petaflop'a kadar performans sağlamaktadır.
Mayıs 2018'de Google, 420 teraflop performans ve 128 GB yüksekbant genişliğine sahip bellek (HBM)) sunan üçüncü nesil TPU'ları duyurmuştur. Cloud TPU v3 Kapsüller, 100'den fazla petaflop performans ve 32 TB HBM sunmaktadır.[23]
Şubat 2018'de Google, TPU'larıGoogle Cloud Platform'da beta olarak kullanıma sunduklarını duyurmuştur.[24]
Temmuz 2018'de Edge TPU duyurulmuştur. Edge TPU, Google'ın TensorFlow Lite makine öğrenimi modellerini akıllı telefonlar gibiuç bilgi işlem olarak bilinen bilgi işlem cihazlarında çalıştırmak için tasarlanmışASIC yongasıdır.
Mayıs 2017'de Google, özellikle mobil geliştirmeye yönelik bir yazılım yığını olan TensorFlow Lite'ı duyurmuştur.[25] Ocak 2019'da TensorFlow ekibi, Android cihazlardaOpenGL ES 3.1 Compute Shaders ve iOS cihazlarda Metal Compute Shaders ile mobil GPU çıkarım motorunun geliştirici önizlemesini yayınlamıştır.[26] Mayıs 2019 yılında Google, TensorFlow Lite Micro'nun (TensorFlow Lite for Microcontrollers olarak da bilinir) veARM'nin uTensor'unun birleşeceğini duyurmuştur.[27]
TensorFlow Lite, standart TensorFlow modelleri tarafından kullanılan Protocol Buffers biçiminden kaçınarak ağ modelleri için veri serileştirme biçimi olarak FlatBuffers kullanmaktadır.
Ekim 2017'de Google, mobil cihazlar için tamamen programlanabilir bir görüntü, resim veyapay zeka işlemcisi olan Pixel Visual Core'u (PVC) içeren Google Pixel 2'yi piyasaya sürmüştür. PVC makine öğrenme için TensorFlow'u desteklemektedir. Ayrıca görüntü işleme içinHalide progralama dilini desteklemektedir.
Google TensorFlow tarafından desteklenenRankBrain'i 26 Ekim 2015 tarihinde resmen yayınlamıştır.
Ayrıca Google, kurulum gerektirmeyen bir TensorFlow Jupyter Notebook ortamı olan Colaboratory'u da piyasaya sürmüştür.[28]
1 Mart 2018'de Google, Machine Learning Crash Course'u (MLCC) yayınlamıştır. Başlangıçta Google çalışanlarını pratikyapay zeka ve makine öğrenimi temelleri ile donatmaya yardımcı olmak için MLCC tasarlanmıştır. Aynı zamanda, kurs kamuya sunulmadan önce dünyanın çeşitli şehirlerinde Google tarafından ücretsiz TensorFlow atölyeleri başlatılmıştır.[29]
TensorFlow Ekibi, Eylül 2019'da kütüphanenin yeni bir ana sürümünün yayınlandığını duyurmuştur. TensorFlow 2.0 birçok yeni özellik getirmiştir. Bunlardan en önemlisi, ilk olarakChainer ve daha sonraPyTorch tarafından popüler hale getirilen"Çalıştırmaya Göre Tanımla" 24 Şubat 2021 tarihindeWayback Machine sitesindearşivlendi. şemasına geçilmiştir.[30] Diğer önemli değişiklikler arasında eski kitaplıkların kaldırılması, TensorFlow'un farklı sürümlerindeki eğitimli modeller arasında çapraz uyumluluk ve GPU'daki performansta önemli iyileştirmeler yer almıştır.[31]
TensorFlow, kararlıPython (tüm platformlarda sürüm 3.7 için)[32] veCAPI'leri sağlar.[33] Ayrıcageriye dönük uyumluluk garantisi olmadan sağlanan API'ler:C ++,Go,Java,[34]JavaScript[3] veSwift (arşivlendi ve geliştirme durdu).[35][36] Üçüncü taraf paketleriC #,[37][38]Haskell,[39]Julia,[40]MATLAB,[41]R,[42]Scala,[43]Rust,[44]OCaml,[45] veKristal .[46]
TensorFlow'un temelini oluşturduğu uygulamalar arasında,DeepDream gibi otomatikresim yazısı oluşturma yazılımları vardır.[47]
Ayrıca, kullanıcıların "Nöral Ağlar" konusunu gözlemleyebilmeleri ve konsepti anlamaları için"Tensorflow Playground 6 Aralık 2022 tarihindeWayback Machine sitesindearşivlendi."adında bir websitesi bulunmaktadır.
Some API functions are explicitly marked as "experimental" and can change in backward incompatible ways between minor releases. These include other languages
not just a TensorFlow API wrapper written in Swift
As S4TF heads into maintenance mode, it’s a bit Exploding head to reflect on how much I’ve learned.
operations like sin, * (matrix multiplication), .* (element-wise multiplication), etc [..]. Compare to Python, which requires learning specialized namespaced functions like tf.matmul.