TensorFlow Nedir? Makine Öğrenmesi İçin Google'ın Açık Kaynak Kütüphanesi

TensorFlow, Google tarafından geliştirilen ve açık kaynak olan bir makine öğrenmesi kütüphanesidir. 2015'te yayımlandığından beri endüstrinin en yaygın kullanılan araçlarından biri haline geldi. Sinir ağları, derin öğrenme ve genel makine öğrenmesi projeleri için tasarlanmıştır.

Kütüphanenin adı, veri akışını temsil eden tensörlerin (çok boyutlu diziler) grafikler üzerinden işlenmesinden geliyor. TensorFlow, CPU ve GPU üzerinde çalışabilir; büyük veri setleriyle eğitim yaparken GPU desteği performansı önemli ölçüde artırır.

Python kullanıcıları için TensorFlow'un üst katmanı olan Keras, modelleri daha basit ve hızlı geliştirmeyi sağlar. Keras API sayesinde karmaşık sinir ağlarını birkaç satır kodla oluşturabilirsiniz.

Basit bir örnek: Keras ile bir sınıflandırma modeli kurmak

1import tensorflow as tf
2from tensorflow import keras
3from tensorflow.keras import layers
4
5# Veri seti yükleme (MNIST - el yazısı rakamlar)
6(x_train, y_train), (x_test, y_test) = keras.datasets.mnist.load_data()
7
8# Verileri normalize etme
9x_train = x_train.astype("float32") / 255.0
10x_test = x_test.astype("float32") / 255.0
11
12# Model oluşturma
13model = keras.Sequential([
14layers.Flatten(input_shape=(28, 28)),
15layers.Dense(128, activation="relu"),
16layers.Dense(10, activation="softmax")
17])
18
19# Modeli derleme
20model.compile(
21optimizer="adam",
22loss="sparse_categorical_crossentropy",
23metrics=["accuracy"]
24)
25
26# Eğitim
27model.fit(x_train, y_train, epochs=5, batch_size=128)
28
29# Test etme
30test_loss, test_acc = model.evaluate(x_test, y_test)
31print(f"Test doğruluğu: {test_acc}")

Bu kod MNIST veri setini kullanarak el yazısı rakamları tanıyan bir model eğitir. Flatten katmanı 28x28 piksellik görüntüleri düz bir vektöre dönüştürür, Dense katmanları hesaplama yapar ve softmax çıkış katmanı 10 sınıf (0-9 rakamları) arasında olasılık dağılımı verir.

TensorFlow'un güçlü yanları: esneklik, geniş dokümantasyon, mobil ve web uygulamalarına dağıtım desteği (TensorFlow Lite, TensorFlow.js). Zayıf yanı ise öğrenme eğrisidir; başlangıçta diğer kütüphanelere (PyTorch gibi) kıyasla daha karmaşık görünebilir.

Resmi dokümantasyon ve kaynaklar: https://www.tensorflow.org/ adresinde bulunur. GPU kurulumu için CUDA ve cuDNN gereklidir; kurulum adımları siteye ayrıntılı yazılmıştır.