wichtige release fan masine learen platfoarm , dy't klearmakke ymplemintaasjes leveret fan ferskate djippe masine-learalgoritmen, in ienfâldige programmearynterface foar it bouwen fan modellen yn Python, en in leechnivo-ynterface foar de C ++-taal wêrmei jo de konstruksje en útfiering fan berekkeningsgrafiken kinne kontrolearje. It systeem koade is skreaun yn C ++ en Python en ûnder de Apache-lisinsje.
It platfoarm waard oarspronklik ûntwikkele troch it Google Brain-team en wurdt brûkt yn Google-tsjinsten foar spraakherkenning, it identifisearjen fan gesichten op foto's, it bepalen fan de oerienkomst fan ôfbyldings, it filterjen fan spam yn Gmail, nijs yn Google Nijs en it organisearjen fan oersetting mei rekken hâldend mei de betsjutting. Ferspraat masine-learsystemen kinne wurde makke op standert hardware, tank oan TensorFlow's ynboude stipe foar it fersprieden fan berekkeningen oer meardere CPU's as GPU's.
TensorFlow leveret in bibleteek fan klearmakke numerike berekkeningsalgoritmen ymplementearre fia gegevensstreamgrafiken. Knooppunten yn sokke grafiken ymplementearje wiskundige operaasjes as ynfier-/útfierpunten, wylst de rânen fan 'e grafyk multydimensionale gegevensarrays (tensoren) fertsjintwurdigje dy't tusken knopen streame.
Knooppunten kinne wurde tawiisd oan komputerapparaten en asynchroan útfierd, tagelyk ferwurkjen fan alle tesors dy't geskikt binne foar har tagelyk, wat it mooglik makket om de simultane operaasje fan knopen yn in neuronale netwurk te organisearjen troch analogy mei de simultane aktivearring fan neuroanen yn 'e harsens.
De wichtichste fokus by it tarieden fan de nije ferzje wie op ferienfâldiging en gemak fan gebrûk. :
- In nije API op heech nivo is foarsteld foar it bouwen en oplieden fan modellen , dy't ferskate ynterface-opsjes biedt foar it bouwen fan modellen (sekwinsjele, funksjonele, subklassearring) mei de mooglikheid om (sûnder pre-kompilaasje) en mei in ienfâldich debuggenmeganisme;
- Added API foar organisaasje modellen mei minimale feroarings oan besteande koade. Neist de mooglikheid fan fersprieden berekkeningen oer , eksperimintele stipe is beskikber foar it ferdielen fan it learproses yn ferskate ûnôfhinklike processors en de mooglikheid om wolk te brûken (Tensor ferwurkjen ienheid);
- Yn stee fan in deklaratyf model fan it bouwen fan in grafyk mei útfiering fia tf.Session, is it mooglik om gewoane funksjes te skriuwen yn Python, dy't, mei in oprop nei tf.function, kinne wurde omset yn grafiken en dan op ôfstân útfierd, serialisearre of optimalisearre foar ferbettere prestaasjes;
- Oersetter tafoege , dy't in stream fan Python-kommando's konvertearret yn TensorFlow-útdrukkingen, wêrtroch Python-koade kin brûkt wurde binnen tf.function-decorated, tf.data, tf.distribute en tf.keras funksjes;
- SavedModel ferieniget it modelútwikselingsformaat en foeget stipe ta foar it bewarjen en herstellen fan modelsteaten. Modellen gearstald foar TensorFlow kinne no wurde brûkt yn (op mobile apparaten), (yn browser of Node.js), и ;
- De tf.train.Optimizers en tf.keras.Optimizers API's binne ferienige; ynstee fan compute_gradients is in nije klasse foarsteld foar it berekkenjen fan gradienten ;
- Signifikant ferhege prestaasjes by it brûken fan GPU.
De snelheid fan modeltraining op systemen mei NVIDIA Volta en Turing GPU's is oant trije kear ferhege; - Grutte API-skjinning, in protte oproppen omneamd of fuortsmiten, stipe foar globale fariabelen yn helpermetoaden stoppe. Yn stee fan tf.app, tf.flags, tf.logging wurdt in nije absl-py API foarsteld. Om troch te gean mei it brûken fan de âlde API, is de compat.v1-module taret.
Boarne: opennet.ru