beduidende vrystelling van masjienleerplatform , wat klaargemaakte implementerings van verskeie diep masjienleeralgoritmes bied, 'n eenvoudige programmeringskoppelvlak vir die bou van modelle in Python, en 'n laevlak-koppelvlak vir die C++-taal wat jou toelaat om die konstruksie en uitvoering van berekeningsgrafieke te beheer. Die stelselkode is geskryf in C++ en Python en onder die Apache-lisensie.
Die platform is oorspronklik ontwikkel deur die Google-breinspan en word in Google-dienste gebruik vir spraakherkenning, die identifisering van gesigte in foto's, die bepaling van die ooreenkomste van beelde, die uitfiltrering van strooipos in Gmail, nuus in Google Nuus en die organisering van vertaling met inagneming van die betekenis. Verspreide masjienleerstelsels kan op standaard hardeware geskep word, danksy TensorFlow se ingeboude ondersteuning vir die verspreiding van berekeninge oor verskeie SVE's of GPU's.
TensorFlow bied 'n biblioteek van klaargemaakte numeriese berekeningsalgoritmes wat deur datavloeigrafieke geïmplementeer word. Nodusse in sulke grafieke implementeer wiskundige bewerkings of invoer/afvoerpunte, terwyl die rande van die grafiek multidimensionele data-skikkings (tensors) verteenwoordig wat tussen nodusse vloei.
Nodusse kan aan rekenaartoestelle toegewys word en asynchroon uitgevoer word, wat gelyktydig alle tesors wat daarvoor geskik is, verwerk, wat dit moontlik maak om die gelyktydige werking van nodusse in 'n neurale netwerk te organiseer volgens analogie met die gelyktydige aktivering van neurone in die brein.
Die hooffokus in die voorbereiding van die nuwe weergawe was op vereenvoudiging en gebruiksgemak. :
- 'n Nuwe hoëvlak-API is voorgestel vir die bou en opleiding van modelle , wat verskeie koppelvlakopsies bied vir die bou van modelle (sekwensieel, funksioneel, subklassering) met die vermoë om (sonder voorafsamestelling) en met 'n eenvoudige ontfoutingsmeganisme;
- Bygevoeg API vir organisasie modelle met minimale veranderinge aan bestaande kode. Benewens die moontlikheid om berekeninge oor te versprei , eksperimentele ondersteuning is beskikbaar vir die verdeling van die leerproses in verskeie onafhanklike verwerkers en die vermoë om wolk te gebruik (Tensorverwerkingseenheid);
- In plaas van 'n verklarende model van die bou van 'n grafiek met uitvoering deur tf.Session, is dit moontlik om gewone funksies in Python te skryf, wat, deur 'n oproep na tf.function te gebruik, in grafieke omgeskakel kan word en dan op afstand uitgevoer, geserialiseer of geoptimaliseer kan word vir verbeterde prestasie;
- Vertaler bygevoeg , wat 'n stroom Python-opdragte omskakel in TensorFlow-uitdrukkings, wat toelaat dat Python-kode binne tf.function-decorated, tf.data, tf.distribute en tf.keras funksies gebruik word;
- SavedModel verenig die modeluitruilformaat en voeg ondersteuning by vir die stoor en herstel van modeltoestande. Modelle wat vir TensorFlow saamgestel is, kan nou gebruik word in (op mobiele toestelle), (in blaaier of Node.js), и ;
- Die tf.train.Optimizers en tf.keras.Optimizers API's is verenig; in plaas van compute_gradients, is 'n nuwe klas voorgestel vir die berekening van gradiënte ;
- Aansienlik verhoogde werkverrigting wanneer GPU gebruik word.
Die spoed van modelopleiding op stelsels met NVIDIA Volta en Turing GPU's het tot drie keer toegeneem; - Groot API-opruiming, baie oproepe hernoem of verwyder, ondersteuning vir globale veranderlikes in helper-metodes het gestop. In plaas van tf.app, tf.flags, tf.logging, word 'n nuwe absl-py API voorgestel. Om voort te gaan om die ou API te gebruik, is die compat.v1-module voorberei.
Bron: opennet.ru