tähtis masinõppe platvormi väljaanne , mis pakub valmislahendusi erinevatele sügava masinõppe algoritmidele, lihtsat programmeerimise liidest mudelite loomiseks Pythonis ning madala taseme liidest C++-s, mis võimaldab juhtida arvutusgraafide koostamist ja täitmist. Süsteemi kood on kirjutatud C++ ja Pythonis ning on Apache litsentsi all.
Platvorm on algselt välja töötanud Google Braini meeskond ja seda kasutatakse Google'i teenustes kõne äratundmiseks, nägude tuvastamiseks fotodel, piltide sarnaste määramiseks, rämpsposti filtreerimiseks Gmailis, valimiseks Google Newsis ja tõlgete organiseerimiseks tähenduse põhjal. Masinõppe jaotatud süsteeme saab luua tavapärasel riistvaral, tänu TensorFlow sisseehitatud toele arvutuste hajutamiseks mitmele CPU-le või GPU-le.
TensorFlow pakub valmis algoritmide teeki, mis on realiseeritud andmevoo graafide kaudu (data flow graphs). Selliste graafide sõlmed viivad läbi matemaatilisi operatsioone või sisendi/väljundi punkte, samas kui graafi servad esindavad mitmemõõtmelisi andmevorme (tensors), mis voolavad sõlmede vahel.
Sõlmed võivad olla seotud arvutusseadmetega ja töötada asünkroonselt, töötledes samal ajal kõiki sobivaid tense, mis võimaldab sõlmede samaaegset toimimist närvivõrgus, sarnaselt neuronite samaaegse aktiveerimisega ajus.
Uue versiooni ettevalmistamisel keskenduti eelkõige lihtsustamisele ja kasutusmugavusele. :
- Mudelite loomiseks ja koolitamiseks on ette nähtud uus kõrgema taseme API , mis pakub mitmeid mudelite loomise liidese variante (Sequential, Functional, Subclassing), võimaldades nende ilma eelneva kompileerimiseta ja lihtsa vigade leidmise mehhanismiga;
- Lisatud API jaotatud õpetamise korraldamiseks mudelid, mille puhul on minimaalne olemasoleva koodi muutmine. Lisaks on võimalik arvutuste jagamine mitmele , on olemas eksperimentaalne tugi, mis võimaldab jagada õppeprotsessi mitmele sõltumatule töötlejale ja kasutada (Tensori töötlemise seade);
- Deklaratiivse graafimudeli asemel, mida täidetakse tf.Session abil, on võimalus kirjutada tavalisi funktsioone Python keeles, mis kutsumise kaudu tf.function võivad muutuda graafideks ja seejärel kaugelt täidetud, serialiseeritud või optimeeritud jõudluse suurendamiseks;
- Additiivne tõlkija , mis muudab Python käsu voogu TensorFlow väljenditeks, mis võimaldab kasutada Python koodi tf.function-kategooriaga, tf.data, tf.distribute ja tf.keras funktsioonides;
- SavedModelis on ühtlustatud mudelite vahetamise formaat ja lisatud tugi mudelite oleku salvestamiseks ja taastamiseks. Nüüd saavad TensorFlow jaoks kokku pandud mudelid töötada (mobiilseadmetes), (brauseris või Node.js-is), ja ;
- Ühtlustatud API-d tf.train.Optimizers ja tf.keras.Optimizers, arvutuste jaoks on sisse toodud uus klass compute_gradients. ;
- GPU-de kasutamisel on jõudlus oluliselt paranenud.
Mudelite õppekiirus NVIDIA Volta ja Turing süsteemides on tõusnud kuni kolme korda; - API on suurem puhastus: paljusid funktsioone on ümber nimetatud või eemaldatud, globaalsed muutujad abifunktsioonides on eemaldatud. Uue API absl-py on välja pakutud tf.app, tf.flags, tf.logging asemel. Vanade API-de jätkuvaks kasutamiseks on loodud module compat.v1.
Allikas: opennet.ru
