jelentős gépi tanulási platform kiadása , amely kész megvalósításokat kínál különböző mély gépi tanulási algoritmusokhoz, egyszerű programozási interfészt biztosít modellek létrehozására Python nyelven és alacsony szintű interfészt C++ nyelven, amely lehetővé teszi a számítási grafikonok felépítésének és végrehajtásának kezelését. A rendszer kódja C++ és Python nyelveken íródott és az Apache licenc alatt érhető el.
A platformot eredetileg a Google Brain csapata fejlesztette ki és használják a Google szolgáltatásaiban beszédfelismeréshez, arcfelismeréshez fényképeken, képek hasonlóságának meghatározásához, spam szűréshez a Gmailben, A TensorFlow egy kész számítási algoritmus könyvtárat biztosít, amelyet adatfolyam grafikonokon (data flow graphs) keresztül valósítanak meg. Az ilyen grafikonok csomópontjai matematikai műveleteket vagy bemeneti/kimeneti pontokat valósítanak meg, míg a grafikon élei többdimenziós adat-tömböket (tenzorokat) képviselnek, amelyek a csomópontok között áramlanak.
A csomópontok hozzárendelhetők számítási eszközökhöz és a számításokat aszinkron módon hajthatják végre, párhuzamosan feldolgozva az összes hozzájuk illeszkedő tenzort, ami lehetővé teszi a csomópontok egyidejű működését egy neurális hálózatban, hasonlóan az agy neuronjainek egyidejű aktiválásához.
Az új verzió előkészítése során a fő figyelem a egyszerűsítésre és a használat könnyedségére irányult.
A modellek felépítésére és betanítására egy új, magas szintű API-t ajánlanak :
- Keras azonnali végrehajtását tf.distribute.Strategy
- Hozzáadva az API modellek elosztott tanulásának megszervezésére a meglévő kód minimális módosításával. A számítások több GPU-ra való megosztásának lehetősége mellett kísérleti támogatást kínálnak a tanulási folyamat megosztására több független feldolgozóval és a felhőalapú (Tensorfeldolgozó egység) bevonására; , доступна экспериментальная поддержка разнесения процесса обучения на несколько независимых обработчиков и возможность задействования облачных (Tensor processing unit);
- A deklaratív gráfépítési modell helyett, amelyet tf.Session segítségével hajtottak végre, lehetőség van normál Python-funkciók írására, amelyek tf.function hívás segítségével gráfokká alakíthatók, és ezeket távolról végrehajthatják, sorozatba állíthatják vagy optimalizálhatják a teljesítmény növelése érdekében;
- Fordító hozzáadva , amely a Python parancsok folyamát TensorFlow kifejezésekké alakítja, lehetővé téve a Python kód használatát tf.function dekorálású funkciókban, tf.data, tf.distribute és tf.keras belsejében;
- A SavedModel egységesíti a modellek cseréjének formátumát, és támogatást kapott a modellek állapotának mentéséhez és visszaállításához. A TensorFlow számára gyűjtött modellek most felhasználhatók a (mobil eszközökön), (böngészőben vagy Node.js-ben), és ;
- Az tf.train.Optimizers és tf.keras.Optimizers API-k egységesítve lettek, a compute_gradients helyett egy új osztályt javasoltak ;
- Jelentősen megnövelték a teljesítményt GPU használata esetén.
A modellek tanulási sebessége NVIDIA Volta és Turing rendszereken akár háromszorosára nőtt; - az API jelentős tisztítása, sok hívás átnevezésre került vagy eltávolításra, a globális változók támogatása a segédmetódusokban megszűnt. A tf.app, tf.flags, tf.logging helyett egy új API-t javasoltak, az absl-py-t. A régi API folytatásához a compat.v1 modult készítették elő.
Forrás: opennet.ru
