إصدار مهم لمنصة التعلم الآلي ، والذي يوفر تطبيقات جاهزة لمختلف خوارزميات التعلم الآلي العميق، وواجهة برمجة بسيطة لبناء النماذج في Python، وواجهة منخفضة المستوى للغة C++ تسمح لك بالتحكم في إنشاء الرسوم البيانية الحسابية وتنفيذها. كود النظام مكتوب بلغة C++ وPython و تحت رخصة أباتشي.
تم تطوير النظام الأساسي في الأصل من قبل فريق Google Brain ويستخدم في خدمات Google للتعرف على الكلام، وتحديد الوجوه في الصور الفوتوغرافية، وتحديد تشابه الصور، وتصفية البريد العشوائي في Gmail، الأخبار في أخبار جوجل وتنظيم الترجمة مع مراعاة المعنى. يمكن إنشاء أنظمة التعلم الآلي الموزعة على أجهزة قياسية، وذلك بفضل دعم TensorFlow المدمج لتوزيع العمليات الحسابية عبر وحدات المعالجة المركزية (CPU) أو وحدات معالجة الرسومات المتعددة.
يوفر TensorFlow مكتبة من خوارزميات الحساب العددي الجاهزة التي يتم تنفيذها من خلال الرسوم البيانية لتدفق البيانات. تنفذ العقد في مثل هذه الرسوم البيانية عمليات رياضية أو نقاط الإدخال/الإخراج، بينما تمثل حواف الرسم البياني صفائف بيانات متعددة الأبعاد (الموترات) التي تتدفق بين العقد.
يمكن تعيين العقد لأجهزة الحوسبة وتنفيذها بشكل غير متزامن، ومعالجة جميع النظريات المناسبة لها في وقت واحد، مما يجعل من الممكن تنظيم التشغيل المتزامن للعقد في الشبكة العصبية عن طريق القياس مع التنشيط المتزامن للخلايا العصبية في الدماغ.
كان التركيز الرئيسي في إعداد الإصدار الجديد على التبسيط وسهولة الاستخدام. :
- تم اقتراح واجهة برمجة تطبيقات جديدة عالية المستوى لبناء النماذج والتدريب عليها والتي توفر عدة خيارات واجهة لبناء النماذج (متسلسلة، وظيفية، فئة فرعية) مع إمكانية (بدون تجميع مسبق) ومع آلية تصحيح بسيطة؛
- تمت إضافة API للتنظيم نماذج مع الحد الأدنى من التغييرات على التعليمات البرمجية الموجودة. بالإضافة إلى إمكانية نشر العمليات الحسابية عبر يتوفر الدعم التجريبي لتقسيم عملية التعلم إلى عدة معالجات مستقلة والقدرة على استخدام السحابة (وحدة معالجة الموتر)؛
- بدلاً من النموذج التعريفي لإنشاء رسم بياني مع التنفيذ من خلال tf.Session، من الممكن كتابة وظائف عادية في Python، والتي، باستخدام استدعاء tf.function، يمكن تحويلها إلى رسوم بيانية ثم تنفيذها عن بعد أو تسلسلها أو تحسينها لتحسين الأداء؛
- تمت إضافة المترجم ، الذي يحول دفق أوامر بايثون إلى تعبيرات TensorFlow، مما يسمح باستخدام كود بايثون داخل وظائف tf.function-decorated، وtf.data، وtf.distribute، وtf.keras؛
- يقوم SavedModel بتوحيد تنسيق تبادل النموذج وإضافة دعم لحفظ حالات النموذج واستعادتها. يمكن الآن استخدام النماذج المجمعة لـ TensorFlow (على الأجهزة المحمولة)، (في المتصفح أو Node.js)، и ;
- تم توحيد واجهات برمجة التطبيقات tf.train.Optimizers وtf.keras.Optimizers؛ بدلاً من compute_gradients، تم اقتراح فئة جديدة لحساب التدرجات ;
- زيادة الأداء بشكل ملحوظ عند استخدام GPU.
زادت سرعة تدريب النماذج على الأنظمة التي تحتوي على وحدات معالجة الرسوميات NVIDIA Volta وTuring بما يصل إلى ثلاث مرات؛ - تنظيف واجهة برمجة التطبيقات الرئيسية، وإعادة تسمية العديد من المكالمات أو إزالتها، وتوقف دعم المتغيرات العامة في الأساليب المساعدة. بدلاً من tf.app، وtf.flags، وtf.logging، تم اقتراح واجهة برمجة تطبيقات absl-py جديدة. لمواصلة استخدام واجهة برمجة التطبيقات القديمة، تم إعداد الوحدة compat.v1.
المصدر: opennet.ru