தற்போது ஆழ்கற்றலானது (Deep Learning)பேரளவு தரவுகளை அலசி ஆராய்வதற்கான சிறந்த கருவியாகவும் புத்திதசாலிதனமான அமைவாகவும் பரவலாக பயன்படுத்தி கொள்ளப்படுகின்றது அவ்வாறான ஆழ்கற்றலை பயன்படுத்தி கணினியின் அடிப்படையில் நாம் மனிதர்கள் பேசும் இயற்கையான மொழிகளை செயல்படுத்திடு-வதற்காக வும்(NLP) ,பேசுவதை அங்கீகரிப்பதற்கும் fault diagnosis, predictive maintenance, mineral exploration, computer vision என்பனபோன்ற எண்ணற்ற செயல்களை செயல்படுத்து-வதில் TensorFlow எனும் கட்டற்ற மென்பொருளானது முதன்மையான பங்காற்றுகின்றது இது வரைபடத்தின் அடிப்படையிலான கணினி செயல்படுமாறு புதிய கட்டமைவினை செய்திடும் திறன்மிக்கது இந்த TensorFlow என்பது பைதானின் நிரல்தொடர் வடிவமைப்பின் அடிப்படையில் உருவாக்கி வெளியிடப் படுகின்றது அவ்வாறான பைதானின் அடிப்படையிலானஒரு எளிய TensorFlow வின் கணித செயல்பாட்டினை இப்போது காண்போம்
a = tf.Variable([4])
b = tf.Variable([7])
with tf.Session() as session:
session.run(tf.global_variables_initializer())
b = a + b
result = session.run(a)
print(a)
result = session.run(b)
print(b)
print(session.run(a))
print(session.run(b))
இதில்tf.global_variables_initializer() எனும் கட்டளைவரியானது உலகாளாவிய மாறிகளின் மதிப்பை துவக்கநிலைக்கு கொண்டுசெல்கின்றது இந்த TensorFlow இல் tf.Variable எனும் மாறிகள் மாறிகளின்(variables)தரவுகளை கையாளுவதறகாக பயன்படுத்தி கொள்ளப்-படுகின்றன. TensorFlow ஆனது ஒரு தரவோட்ட வரைபடத்தினை (dataflow graph) அனைத்து கணக்கீடுகளை சார்ந்திருக்கும் தனிப்பட்ட செயல்களை குறிப்பதற்காக பயன்படுத்தி கொள்கின்றது அதன்பின்னர் TensorFlow session என்பது உருவாக்கப்பட்டு உள்ளக அல்லது தொலைவிலுள்ள சாதனங்கள் அனைத்திலும் இந்த வரைபடங்கள் இயக்கப்படுகின்றன இறுதி பயனாளிகளிடமிருந்து சாதனங்களில் tf.estimator, Estimator , Keras ஆகிய மேல்நிலை APIs கள் வரைபடங்களின் sessionsகளின் விவரங்கள் மறைக்கப்படுகின்றன இந்த தரவுோட்ட வரைபடத்தில் முனைமங்கள் கணக்கீட்டு unitsகளையும் edges களானவை தரவுகள் பயன்படுத்தப்பட்டவைகளையும் அல்லது கணக்கீட்டில் உருவாக்கப்பட்டவைகளையும் பிரிதிநிதிபடுத்திகின்றன TensorFlow ஆனது ஒரு தரவோட்ட வரைபடத்தினுடன்கூடிய கணக்கீட்டு நூலகமாக மிகமேம்பட்ட பயன்பாடுகளை பயன்படுத்தி கொள்ள உதவுகின்றது ஒரு TensorFlowஐ செயல்படுத்திட துவங்கிடும்போது API ஆனது இயல்புநிலை வரைபடச்செயலிற்கான node , edge ஆகியவை உருவாகின்றன tf.Variable()எனும் மாறியானது எழுதகூடிய TensorFlow மதிப்பினை சேமித்து வைப்பதற்காக ஒரு செயலை சேர்க்கின்றது தொடர்ந்து இருsession.run() களுக்குஇடையே இ்ந்த மாறியானது செயலில் இருக்கின்றது அதனை தொடர்ந்து வரைபடத்திற்கு தேவையான மதிப்புகளை சேர்த்து வரைபடத்தினை உருவாக்குகின்றது
