Пояснительная

TensorFlow

TensorFlow — открытая программная библиотека для машинного обучения, разработанная компанией Google для решения задач построе- ния и тренировки нейронной сети с целью автоматического нахождения и классификации образов, достигая качества человеческого восприятия. Применяется как для исследований, так и для разработки собственных продуктов Google. Основной API для работы с библиотекой реализован для Python, также существуют реализации для R, C Sharp, C++, Haskell, Java, Go и Swift. [9]
Является продолжением закрытого проекта DistBelief. Изначально TensorFlow была разработана командой Google Brain для внутреннего ис- пользования в Google, в 2015 году система была переведена в свободный доступ с открытой лицензией Apache 2.0 Архитектура TensorFlow изобра- жена на рисунке 2.1.

Рисунок 2.1 – Архитектура TensorFlow.

3. NumPy

NumPy - это пакет python с открытым исходным кодом. Он может быть использован для научных и численных расчетов. В основном это используется для более эффективного вычисления на массивах. Он осно- ван и написан на C и Python. Это пакет Python, и слово Numpy означает Числовой Python. В основном используется для обработки однородного многомерного массива. Это основная библиотека для научных расчетов. Следовательно, он обладает мощными объектами многомерного массива и интегрирующими инструментами, которые полезны при работе с этими мас- сивами. Это важно почти в любом научном программировании на python, которое включает машинное обучение, статистику, био информатику и т. Д. Оно обеспечивает действительно хорошую функциональность, которая очень хорошо написана и работает эффективно. Он в основном сфокусиро- ван на выполнении математических операций над смежными массивами, очень похожими на массивы, которые есть у вас в языках более низкого уровня, таких как C. Другими словами, он используется для манипулиро- вания числовыми данными. Из-за этого python может использоваться как альтернатива MATLAB.
Одна из самых популярных библиотек в Python - Numpy. Методы Data Science нуждаются в работе над массивами и матрицами большого раз- мера, а для извлечения полезной информации из нее необходимо выполнить тяжелые числовые вычисления, что облегчается сбором различных матема- тических функций в NumPy. и все же важная библиотека для большинства научных вычислений в Python, также некоторые другие библиотеки зависят от массивов NumPy в качестве своих основных входов и выходов. Он также предоставляет функции, которые позволяют разработчикам выполнять как базовые, так и расширенные математические и статистические функции для многомерных массивов и матриц с очень меньшим количеством строк кода. Структура данных ’ndarray’ или n-мерного массива является основной
функциональностью Numpy. Эти массивы являются однородными, и все элементы массива должны быть одного типа.
NumPy это open-source модуль для python, который предоставляет общие математические и числовые операции в виде пре-скомпилированных, быстрых функций. Они объединяются в высокоуровневые пакеты. Они обес- печивают функционал, который можно сравнить с функционалом MatLab. NumPy (Numeric Python) предоставляет базовые методы для манипуляции с большими массивами и матрицами. SciPy (Scientific Python) расширя- ет функционал numpy огромной коллекцией полезных алгоритмов, таких как минимизация, преобразование Фурье, регрессия, и другие прикладные математические техники.
Массивы NumPy быстрее, чем списки Python. Но списки Python более гибкие, чем массивные, поскольку вы можете хранить только один и тот же тип данных в каждом столбце.

3.