Thực nghiệm được tiến hành trên 1 máy tính với cấu hình như sau: - CPU Intel(R) Core(TM) i7-2600 CPU @ 3.40GHz
- RAM 2 GB - OS Windows 10
- Ngôn ngữ lập trình Python
Các thư viện và phần mềm hỗ trợ học sâu được sử dụng trong thực nghiệm là Anaconda, Keras, Tensoflow và PyCharm.
Hình 2.19 Môi trường phát triển Tensorflow
TensorFlow ™ là một hệ thống học máy hoạt động ở quy mô lớn và trong môi trường phức tạp. TensorFlow [14, 15] sử dụng đồ thị luồng dữ liệu để đại diện cho sự tính toán, chia sẻ trạng thái, và các hoạt động biến đổi trạng thái đó. Nó ánh xạ các nút của một đồ thị luồng dữ liệu trên nhiều máy trong một cụm, và bên trong một máy trên nhiều thiết bị tính toán, bao gồm CPU, GPU đa lõi, các chíp ASIC tùy biến được gọi là đơn vị xử lý ten-xơ (TPUs). Kiến trúc này rất linh hoạt cho phép cho các nhà phát triển ứng dụng: trong khi trước đây "tham số máy chủ" thiết kế quản lý trạng thái chia sẻ được xây dựng sẵn trên hệ thống, TensorFlow cho phép các nhà phát triển để thử nghiệm các tối ưu hoá mới và các thuật toán huấn luyện.
TensorFlow hỗ trợ một loạt các ứng dụng, với sự hỗ trợ đặc biệt mạnh mẽ cho việc huấn luyện và suy luận trên các mạng học sâu [3]. Google đã phát hành TensorFlow như là một dự án mã nguồn mở, và nó đã trở thành sử dụng rộng rãi cho các nghiên cứu học máy. Công cụ sử dụng để viết code là phần mềm IDE Pycharm.