maşın öyrənmə platformasının əhəmiyyətli buraxılışı , müxtəlif dərin maşın öyrənmə alqoritmlərinin hazır tətbiqlərini, Python-da modellərin qurulması üçün sadə proqramlaşdırma interfeysini və hesablama qrafiklərinin qurulmasına və icrasına nəzarət etməyə imkan verən C++ dili üçün aşağı səviyyəli interfeysi təmin edir. Sistem kodu C++ və Python və dillərində yazılmışdır Apache lisenziyası altında.
Platforma əvvəlcə Google Brain komandası tərəfindən hazırlanıb və Google xidmətlərində nitqin tanınması, fotoşəkillərdə üzlərin müəyyən edilməsi, şəkillərin oxşarlığının müəyyən edilməsi, Gmail-də spamın filtrasiyası, Google News-da xəbərlər və mənasını nəzərə alaraq tərcümənin təşkili. Paylanmış maşın öyrənmə sistemləri, TensorFlow-un birdən çox CPU və ya GPU arasında hesablamaları paylamaq üçün daxili dəstəyi sayəsində standart aparatda yaradıla bilər.
TensorFlow, məlumat axını qrafikləri vasitəsilə həyata keçirilən hazır ədədi hesablama alqoritmlərinin kitabxanasını təqdim edir. Belə qrafiklərdəki qovşaqlar riyazi əməliyyatları və ya giriş/çıxış nöqtələrini həyata keçirir, qrafikin kənarları isə qovşaqlar arasında axan çoxölçülü məlumat massivlərini (tensorları) təmsil edir.
Düyünlər hesablama cihazlarına təyin edilə bilər və onlar üçün uyğun olan bütün tezorları eyni vaxtda emal edərək asinxron şəkildə icra edilə bilər ki, bu da beyindəki neyronların eyni vaxtda aktivləşdirilməsinə bənzətməklə neyron şəbəkədə qovşaqların eyni vaxtda işləməsini təşkil etməyə imkan verir.
Yeni versiyanın hazırlanmasında əsas diqqət sadələşdirmə və istifadənin asanlığına yönəldilib. :
- Modellərin qurulması və təlimi üçün yeni yüksək səviyyəli API təklif edilmişdir imkanı ilə modellər qurmaq üçün bir neçə interfeys variantını (Ardıcıl, Funksional, Alt sinif) təmin edən . (əvvəlcədən tərtib etmədən) və sadə ayıklama mexanizmi ilə;
- Əlavə edilmiş API təşkil etmək mövcud kodda minimal dəyişikliklər olan modellər. Hesablamaları yaymaq imkanına əlavə olaraq , öyrənmə prosesini bir neçə müstəqil prosessorlara bölmək və buluddan istifadə etmək üçün eksperimental dəstək mövcuddur (Tensor emal qurğusu);
- tf.Session vasitəsilə icra ilə qrafik qurmağın deklarativ modeli əvəzinə, Python-da tf.function-a çağırışdan istifadə edərək qrafiklərə çevrilə və sonra uzaqdan icra oluna, seriallaşdırıla və ya optimallaşdırıla bilən adi funksiyaları yazmaq mümkündür. təkmilləşdirilmiş performans üçün;
- Tərcüməçi əlavə edildi , Python əmrləri axınını TensorFlow ifadələrinə çevirən, Python kodunun tf.function-decorated, tf.data, tf.distribute və tf.keras funksiyaları daxilində istifadə edilməsinə imkan verən;
- SavedModel model mübadiləsi formatını birləşdirir və model vəziyyətlərini saxlamaq və bərpa etmək üçün dəstək əlavə edir. TensorFlow üçün tərtib edilmiş modellər indi istifadə edilə bilər (mobil cihazlarda), (brauzerdə və ya Node.js-də), и ;
- tf.train.Optimizers və tf.keras.Optimizers API-ləri birləşdirilib; compute_gradients əvəzinə gradientlərin hesablanması üçün yeni sinif təklif olunub. ;
- GPU istifadə edərkən əhəmiyyətli dərəcədə artan performans.
NVIDIA Volta və Turing GPU-ları olan sistemlərdə model təliminin sürəti üç dəfəyə qədər artıb; - Əsas API təmizlənməsi, bir çox zənglərin adı dəyişdirildi və ya silindi, köməkçi metodlarda qlobal dəyişənlərə dəstək dayandırıldı. tf.app, tf.flags, tf.logging əvəzinə yeni absl-py API təklif olunur. Köhnə API-dən istifadə etməyə davam etmək üçün compat.v1 modulu hazırlanmışdır.
Mənbə: opennet.ru