मशीन लर्निंग सिस्टम TensorFlow 2.0 का विमोचन

द्वारा प्रस्तुत मशीन लर्निंग प्लेटफॉर्म का महत्वपूर्ण विमोचन टेंसरफ्लो 2.0, जो विभिन्न डीप मशीन लर्निंग एल्गोरिदम के तैयार कार्यान्वयन, पायथन में मॉडल बनाने के लिए एक सरल प्रोग्रामिंग इंटरफ़ेस और C++ भाषा के लिए एक निम्न-स्तरीय इंटरफ़ेस प्रदान करता है जो आपको कम्प्यूटेशनल ग्राफ़ के निर्माण और निष्पादन को नियंत्रित करने की अनुमति देता है। सिस्टम कोड C++ और Python में लिखा गया है द्वारा वितरित अपाचे लाइसेंस के तहत.

प्लेटफ़ॉर्म मूल रूप से Google Brain टीम द्वारा विकसित किया गया था और इसका उपयोग Google सेवाओं में भाषण पहचान, तस्वीरों में चेहरों की पहचान करने, छवियों की समानता का निर्धारण करने, जीमेल में स्पैम को फ़िल्टर करने के लिए किया जाता है। चयन Google समाचार में समाचार और अर्थ को ध्यान में रखते हुए अनुवाद का आयोजन। कई सीपीयू या जीपीयू में गणना वितरित करने के लिए टेन्सरफ्लो के अंतर्निहित समर्थन के कारण, वितरित मशीन लर्निंग सिस्टम मानक हार्डवेयर पर बनाया जा सकता है।

TensorFlow डेटा प्रवाह ग्राफ़ के माध्यम से कार्यान्वित तैयार संख्यात्मक गणना एल्गोरिदम की एक लाइब्रेरी प्रदान करता है। ऐसे ग्राफ़ में नोड्स गणितीय संचालन या इनपुट/आउटपुट बिंदुओं को लागू करते हैं, जबकि ग्राफ़ के किनारे नोड्स के बीच बहने वाले बहुआयामी डेटा सरणी (टेंसर) का प्रतिनिधित्व करते हैं।
नोड्स को कंप्यूटिंग उपकरणों को सौंपा जा सकता है और अतुल्यकालिक रूप से निष्पादित किया जा सकता है, एक ही समय में उनके लिए उपयुक्त सभी थेसरों को समानांतर में संसाधित किया जा सकता है, जो मस्तिष्क में न्यूरॉन्स के एक साथ सक्रियण के अनुरूप तंत्रिका नेटवर्क में नोड्स के एक साथ संचालन को व्यवस्थित करना संभव बनाता है।

नए संस्करण को तैयार करने में मुख्य ध्यान सरलीकरण और उपयोग में आसानी पर था। कुछ नवाचारों:

• निर्माण और प्रशिक्षण मॉडल के लिए एक नया उच्च स्तरीय एपीआई प्रस्तावित किया गया है Keras, जो क्षमता के साथ मॉडल (अनुक्रमिक, कार्यात्मक, उपवर्गीकरण) बनाने के लिए कई इंटरफ़ेस विकल्प प्रदान करता है तत्काल कार्यान्वयन (पूर्व-संकलन के बिना) और एक सरल डिबगिंग तंत्र के साथ;
• एपीआई जोड़ा गया tf.वितरण.रणनीति संगठन के लिए वितरित शिक्षा मौजूदा कोड में न्यूनतम परिवर्तन वाले मॉडल। गणनाओं को फैलाने की संभावना के अलावा एकाधिक जीपीयू, सीखने की प्रक्रिया को कई स्वतंत्र प्रोसेसरों में विभाजित करने और क्लाउड का उपयोग करने की क्षमता के लिए प्रयोगात्मक समर्थन उपलब्ध है TPU (टेंसर प्रोसेसिंग यूनिट);
• tf.Session के माध्यम से निष्पादन के साथ ग्राफ बनाने के एक घोषणात्मक मॉडल के बजाय, पायथन में सामान्य फ़ंक्शन लिखना संभव है, जिसे tf.function पर कॉल का उपयोग करके ग्राफ़ में परिवर्तित किया जा सकता है और फिर दूरस्थ रूप से निष्पादित, क्रमबद्ध या अनुकूलित किया जा सकता है बेहतर प्रदर्शन के लिए;
• अनुवादक जोड़ा गया हस्ताक्षर, जो Python कमांड की एक धारा को TensorFlow अभिव्यक्तियों में परिवर्तित करता है, जिससे Python कोड को tf.function-decorated, tf.data, tf.distribute, और tf.keras फ़ंक्शन के अंदर उपयोग करने की अनुमति मिलती है;
• सेव्डमॉडल मॉडल एक्सचेंज प्रारूप को एकीकृत करता है और मॉडल स्थितियों को सहेजने और पुनर्स्थापित करने के लिए समर्थन जोड़ता है। TensorFlow के लिए संकलित मॉडलों का अब उपयोग किया जा सकता है TensorFlow Lite (मोबाइल उपकरणों पर), टेन्सरफ्लो जेएस (ब्राउज़र या Node.js में), TensorFlow सर्व करना и टेंसरफ्लो हब;
• tf.train.ऑप्टिमाइजर्स और tf.keras.ऑप्टिमाइजर्स एपीआई को एकीकृत किया गया है, कंप्यूट_ग्रेडिएंट्स के बजाय, ग्रेडिएंट्स की गणना के लिए एक नया वर्ग प्रस्तावित किया गया है ग्रेडियेंट टेप;
• GPU का उपयोग करते समय प्रदर्शन में उल्लेखनीय वृद्धि हुई।
  NVIDIA वोल्टा और ट्यूरिंग जीपीयू वाले सिस्टम पर मॉडल प्रशिक्षण की गति तीन गुना तक बढ़ गई है;

• किया गया प्रमुख एपीआई सफाई, कई कॉलों का नाम बदल दिया गया या हटा दिया गया, सहायक तरीकों में वैश्विक चर के लिए समर्थन बंद कर दिया गया। tf.app, tf.flags, tf.logging के बजाय, एक नया absl-py API प्रस्तावित है। पुराने API का उपयोग जारी रखने के लिए, compat.v1 मॉड्यूल तैयार किया गया है।

स्रोत: opennet.ru