a gépi tanulási platform jelentős kiadása , amely különféle mély gépi tanulási algoritmusok kész implementációit, egyszerű programozási felületet kínál Pythonban modellek építéséhez, valamint alacsony szintű interfészt a C++ nyelvhez, amely lehetővé teszi a számítási gráfok felépítését és végrehajtását. A rendszerkód C++ és Python és Apache licenc alatt.
A platformot eredetileg a Google Brain csapata fejlesztette ki, és a Google szolgáltatásaiban használják beszédfelismerésre, arcok azonosítására a fényképeken, képek hasonlóságának meghatározására, spam kiszűrésére a Gmailben, híreket a Google Hírekben és a fordítás szervezése a jelentés figyelembevételével. Az elosztott gépi tanulási rendszerek szabványos hardveren is létrehozhatók, köszönhetően a TensorFlow beépített támogatásának, amely lehetővé teszi a számítások több CPU-n vagy GPU-n történő elosztását.
A TensorFlow kész numerikus számítási algoritmusok könyvtárát kínálja adatfolyam-grafikonokon keresztül. Az ilyen gráfok csomópontjai matematikai műveleteket vagy bemeneti/kimeneti pontokat valósítanak meg, míg a gráf élei többdimenziós adattömböket (tenzorokat) képviselnek, amelyek a csomópontok között áramlanak.
A csomópontok számítástechnikai eszközökhöz rendelhetők és aszinkron módon végrehajthatók, egyszerre feldolgozva az összes számukra megfelelő tezort, ami lehetővé teszi a csomópontok egyidejű működésének megszervezését egy neurális hálózatban, analógiával az agy neuronjainak egyidejű aktiválásával.
Az új verzió elkészítésekor a fő hangsúly az egyszerűsítésen és a könnyű használaton volt. :
- Új, magas szintű API-t javasoltak a modellek felépítéséhez és képzéséhez , amely számos interfész lehetőséget biztosít az építési modellekhez (szekvenciális, funkcionális, alosztályozás) azzal a lehetőséggel, hogy (előzetes összeállítás nélkül) és egyszerű hibakereső mechanizmussal;
- API hozzáadva szervezésért modellek minimális változtatásokkal a meglévő kódon. A számítások szétosztásának lehetőségén kívül , kísérleti támogatás érhető el a tanulási folyamat több független processzorra való felosztásához és a felhő használatának lehetőségéhez (Tensor feldolgozó egység);
- A tf.Sessionon keresztül végrehajtott gráf felépítésének deklaratív modellje helyett lehetséges olyan közönséges függvények írása Pythonban, amelyek a tf.function meghívásával grafikonokká alakíthatók, majd távolról végrehajthatók, szerializálhatók vagy optimalizálhatók. a jobb teljesítmény érdekében;
- Fordító hozzáadva , amely a Python-parancsok folyamát konvertálja TensorFlow kifejezésekké, lehetővé téve a Python-kód használatát a tf.function-decorated, tf.data, tf.distribute és tf.keras függvényeken belül;
- A SavedModel egyesíti a modellcsere formátumát, és támogatja a modellállapotok mentését és visszaállítását. A TensorFlow-hoz összeállított modellek mostantól használhatók (mobileszközökön), (böngészőben vagy Node.js-ben), и ;
- A tf.train.Optimizers és tf.keras.Optimizers API-k egységesítésre kerültek, a compute_gradients helyett új osztályt javasoltak a színátmenetek számítására ;
- Jelentősen megnövekedett teljesítmény GPU használatakor.
A modellképzés sebessége az NVIDIA Volta és Turing GPU-kkal rendelkező rendszereken akár háromszorosára nőtt; - Nagyobb API-tisztítás, sok hívás átnevezése vagy eltávolítása, a globális változók támogatása a helper metódusokban leállt. A tf.app, tf.flags, tf.logging helyett új absl-py API-t javasolunk. A régi API használatának folytatásához a compat.v1 modul elkészült.
Forrás: opennet.ru