ಯಂತ್ರ ಕಲಿಕಾ ವ್ಯವಸ್ಥೆಯ ಬಿಡುಗಡೆ ಟೆನ್ಸರ್‌ಫ್ಲೋ 2.0

ಪರಿಚಯಿಸಿದರು ಯಂತ್ರ ಕಲಿಕೆ ವೇದಿಕೆಯ ಗಮನಾರ್ಹ ಬಿಡುಗಡೆ ಟೆನ್ಸರ್ ಫ್ಲೋ 2.0, ಇದು ವಿವಿಧ ಆಳವಾದ ಯಂತ್ರ ಕಲಿಕೆ ಅಲ್ಗಾರಿದಮ್‌ಗಳ ಸಿದ್ಧ-ಸಿದ್ಧ ಅನುಷ್ಠಾನಗಳನ್ನು ಒದಗಿಸುತ್ತದೆ, ಪೈಥಾನ್‌ನಲ್ಲಿ ಮಾದರಿಗಳನ್ನು ನಿರ್ಮಿಸಲು ಸರಳ ಪ್ರೋಗ್ರಾಮಿಂಗ್ ಇಂಟರ್ಫೇಸ್ ಮತ್ತು C++ ಭಾಷೆಗಾಗಿ ಕಡಿಮೆ-ಮಟ್ಟದ ಇಂಟರ್ಫೇಸ್ ನಿಮಗೆ ಕಂಪ್ಯೂಟೇಶನಲ್ ಗ್ರಾಫ್‌ಗಳ ನಿರ್ಮಾಣ ಮತ್ತು ಕಾರ್ಯಗತಗೊಳಿಸುವಿಕೆಯನ್ನು ನಿಯಂತ್ರಿಸಲು ಅನುವು ಮಾಡಿಕೊಡುತ್ತದೆ. ಸಿಸ್ಟಂ ಕೋಡ್ ಅನ್ನು C++ ಮತ್ತು ಪೈಥಾನ್‌ನಲ್ಲಿ ಬರೆಯಲಾಗಿದೆ ಮತ್ತು ವಿತರಿಸುವವರು ಅಪಾಚೆ ಪರವಾನಗಿ ಅಡಿಯಲ್ಲಿ.

ಪ್ಲಾಟ್‌ಫಾರ್ಮ್ ಅನ್ನು ಮೂಲತಃ ಗೂಗಲ್ ಬ್ರೈನ್ ತಂಡವು ಅಭಿವೃದ್ಧಿಪಡಿಸಿದೆ ಮತ್ತು ಇದನ್ನು ಗೂಗಲ್ ಸೇವೆಗಳಲ್ಲಿ ಭಾಷಣ ಗುರುತಿಸುವಿಕೆ, ಛಾಯಾಚಿತ್ರಗಳಲ್ಲಿ ಮುಖಗಳನ್ನು ಗುರುತಿಸುವುದು, ಚಿತ್ರಗಳ ಹೋಲಿಕೆಯನ್ನು ನಿರ್ಧರಿಸುವುದು, Gmail ನಲ್ಲಿ ಸ್ಪ್ಯಾಮ್ ಅನ್ನು ಫಿಲ್ಟರ್ ಮಾಡುವುದು, ಆಯ್ಕೆ Google News ನಲ್ಲಿ ಸುದ್ದಿ ಮತ್ತು ಅರ್ಥವನ್ನು ಗಣನೆಗೆ ತೆಗೆದುಕೊಂಡು ಅನುವಾದವನ್ನು ಆಯೋಜಿಸುವುದು. ಬಹು CPU ಗಳು ಅಥವಾ GPU ಗಳಲ್ಲಿ ಲೆಕ್ಕಾಚಾರಗಳನ್ನು ವಿತರಿಸಲು TensorFlow ನ ಅಂತರ್ನಿರ್ಮಿತ ಬೆಂಬಲಕ್ಕೆ ಧನ್ಯವಾದಗಳು, ವಿತರಣಾ ಯಂತ್ರ ಕಲಿಕೆ ವ್ಯವಸ್ಥೆಗಳನ್ನು ಪ್ರಮಾಣಿತ ಯಂತ್ರಾಂಶದಲ್ಲಿ ರಚಿಸಬಹುದು.

ಟೆನ್ಸರ್‌ಫ್ಲೋ ಡೇಟಾ ಫ್ಲೋ ಗ್ರಾಫ್‌ಗಳ ಮೂಲಕ ಅಳವಡಿಸಲಾದ ಸಿದ್ಧ ಸಂಖ್ಯಾತ್ಮಕ ಲೆಕ್ಕಾಚಾರದ ಅಲ್ಗಾರಿದಮ್‌ಗಳ ಲೈಬ್ರರಿಯನ್ನು ಒದಗಿಸುತ್ತದೆ. ಅಂತಹ ಗ್ರಾಫ್‌ಗಳಲ್ಲಿನ ನೋಡ್‌ಗಳು ಗಣಿತದ ಕಾರ್ಯಾಚರಣೆಗಳು ಅಥವಾ ಇನ್‌ಪುಟ್/ಔಟ್‌ಪುಟ್ ಪಾಯಿಂಟ್‌ಗಳನ್ನು ಕಾರ್ಯಗತಗೊಳಿಸುತ್ತವೆ, ಆದರೆ ಗ್ರಾಫ್‌ನ ಅಂಚುಗಳು ನೋಡ್‌ಗಳ ನಡುವೆ ಹರಿಯುವ ಬಹು ಆಯಾಮದ ಡೇಟಾ ಅರೇಗಳನ್ನು (ಟೆನ್ಸರ್‌ಗಳು) ಪ್ರತಿನಿಧಿಸುತ್ತವೆ.
ನೋಡ್‌ಗಳನ್ನು ಕಂಪ್ಯೂಟಿಂಗ್ ಸಾಧನಗಳಿಗೆ ನಿಯೋಜಿಸಬಹುದು ಮತ್ತು ಅಸಮಕಾಲಿಕವಾಗಿ ಕಾರ್ಯಗತಗೊಳಿಸಬಹುದು, ಅವುಗಳಿಗೆ ಸೂಕ್ತವಾದ ಎಲ್ಲಾ ಥೀಸರ್‌ಗಳನ್ನು ಏಕಕಾಲದಲ್ಲಿ ಪ್ರಕ್ರಿಯೆಗೊಳಿಸಬಹುದು, ಇದು ಮೆದುಳಿನಲ್ಲಿನ ನ್ಯೂರಾನ್‌ಗಳ ಏಕಕಾಲಿಕ ಸಕ್ರಿಯಗೊಳಿಸುವಿಕೆಯೊಂದಿಗೆ ಸಾದೃಶ್ಯದ ಮೂಲಕ ನರಮಂಡಲದಲ್ಲಿ ನೋಡ್‌ಗಳ ಏಕಕಾಲಿಕ ಕಾರ್ಯಾಚರಣೆಯನ್ನು ಸಂಘಟಿಸಲು ಸಾಧ್ಯವಾಗಿಸುತ್ತದೆ.

ಹೊಸ ಆವೃತ್ತಿಯನ್ನು ಸಿದ್ಧಪಡಿಸುವಲ್ಲಿ ಮುಖ್ಯ ಗಮನವು ಸರಳೀಕರಣ ಮತ್ತು ಬಳಕೆಯ ಸುಲಭತೆಯಾಗಿದೆ. ಕೆಲವು ನಾವೀನ್ಯತೆಗಳು:

• ಮಾದರಿಗಳನ್ನು ನಿರ್ಮಿಸಲು ಮತ್ತು ತರಬೇತಿ ನೀಡಲು ಹೊಸ ಉನ್ನತ ಮಟ್ಟದ API ಅನ್ನು ಪ್ರಸ್ತಾಪಿಸಲಾಗಿದೆ ಕೇರಸ್, ಇದು ಸಾಮರ್ಥ್ಯದೊಂದಿಗೆ ಕಟ್ಟಡ ಮಾದರಿಗಳಿಗೆ (ಅನುಕ್ರಮ, ಕ್ರಿಯಾತ್ಮಕ, ಉಪವರ್ಗೀಕರಣ) ಹಲವಾರು ಇಂಟರ್ಫೇಸ್ ಆಯ್ಕೆಗಳನ್ನು ಒದಗಿಸುತ್ತದೆ ತಕ್ಷಣದ ಅನುಷ್ಠಾನ (ಪೂರ್ವ ಸಂಕಲನವಿಲ್ಲದೆ) ಮತ್ತು ಸರಳ ಡೀಬಗ್ ಮಾಡುವ ಕಾರ್ಯವಿಧಾನದೊಂದಿಗೆ;
• API ಸೇರಿಸಲಾಗಿದೆ tf.distribute.ತಂತ್ರ ಸಂಘಟನೆಗಾಗಿ ವಿತರಣಾ ಕಲಿಕೆ ಅಸ್ತಿತ್ವದಲ್ಲಿರುವ ಕೋಡ್‌ಗೆ ಕನಿಷ್ಠ ಬದಲಾವಣೆಗಳನ್ನು ಹೊಂದಿರುವ ಮಾದರಿಗಳು. ಲೆಕ್ಕಾಚಾರಗಳನ್ನು ಹರಡುವ ಸಾಧ್ಯತೆಯ ಜೊತೆಗೆ ಬಹು GPU ಗಳು, ಕಲಿಕೆಯ ಪ್ರಕ್ರಿಯೆಯನ್ನು ಹಲವಾರು ಸ್ವತಂತ್ರ ಪ್ರೊಸೆಸರ್‌ಗಳಾಗಿ ವಿಭಜಿಸಲು ಮತ್ತು ಕ್ಲೌಡ್ ಅನ್ನು ಬಳಸುವ ಸಾಮರ್ಥ್ಯಕ್ಕೆ ಪ್ರಾಯೋಗಿಕ ಬೆಂಬಲ ಲಭ್ಯವಿದೆ ಟಿಪಿಯು (ಟೆನ್ಸರ್ ಸಂಸ್ಕರಣಾ ಘಟಕ);
• tf.Session ಮೂಲಕ ಮರಣದಂಡನೆಯೊಂದಿಗೆ ಗ್ರಾಫ್ ಅನ್ನು ನಿರ್ಮಿಸುವ ಘೋಷಣಾತ್ಮಕ ಮಾದರಿಯ ಬದಲಿಗೆ, ಪೈಥಾನ್‌ನಲ್ಲಿ ಸಾಮಾನ್ಯ ಕಾರ್ಯಗಳನ್ನು ಬರೆಯಲು ಸಾಧ್ಯವಿದೆ, ಇದನ್ನು tf.ಫಂಕ್ಷನ್‌ಗೆ ಕರೆಯನ್ನು ಬಳಸಿ, ಗ್ರಾಫ್‌ಗಳಾಗಿ ಪರಿವರ್ತಿಸಬಹುದು ಮತ್ತು ನಂತರ ದೂರದಿಂದಲೇ ಕಾರ್ಯಗತಗೊಳಿಸಬಹುದು, ಧಾರಾವಾಹಿ ಅಥವಾ ಆಪ್ಟಿಮೈಸ್ ಮಾಡಬಹುದು. ಸುಧಾರಿತ ಕಾರ್ಯಕ್ಷಮತೆಗಾಗಿ;
• ಅನುವಾದಕ ಸೇರಿಸಲಾಗಿದೆ ಆಟೋಗ್ರಾಫ್, ಇದು ಪೈಥಾನ್ ಆಜ್ಞೆಗಳ ಸ್ಟ್ರೀಮ್ ಅನ್ನು TensorFlow ಅಭಿವ್ಯಕ್ತಿಗಳಾಗಿ ಪರಿವರ್ತಿಸುತ್ತದೆ, tf.function-decorated, tf.data, tf.distribute ಮತ್ತು tf.keras ಕಾರ್ಯಗಳಲ್ಲಿ ಪೈಥಾನ್ ಕೋಡ್ ಅನ್ನು ಬಳಸಲು ಅನುಮತಿಸುತ್ತದೆ;
• SavedModel ಮಾದರಿ ವಿನಿಮಯ ಸ್ವರೂಪವನ್ನು ಏಕೀಕರಿಸುತ್ತದೆ ಮತ್ತು ಮಾದರಿ ಸ್ಥಿತಿಗಳನ್ನು ಉಳಿಸಲು ಮತ್ತು ಮರುಸ್ಥಾಪಿಸಲು ಬೆಂಬಲವನ್ನು ಸೇರಿಸುತ್ತದೆ. TensorFlow ಗಾಗಿ ಸಂಕಲಿಸಲಾದ ಮಾದರಿಗಳನ್ನು ಈಗ ಬಳಸಬಹುದು ಟೆನ್ಸರ್ ಫ್ಲೋ ಲೈಟ್ (ಮೊಬೈಲ್ ಸಾಧನಗಳಲ್ಲಿ), ಟೆನ್ಸರ್ ಫ್ಲೋ JS (ಬ್ರೌಸರ್ ಅಥವಾ Node.js ನಲ್ಲಿ), ಟೆನ್ಸರ್‌ಫ್ಲೋ ಸರ್ವಿಂಗ್ и ಟೆನ್ಸರ್ ಫ್ಲೋ ಹಬ್;
• tf.train.Optimizers ಮತ್ತು tf.keras.Optimizers API ಗಳನ್ನು ಏಕೀಕರಿಸಲಾಗಿದೆ; ಕಂಪ್ಯೂಟ್_ಗ್ರೇಡಿಯಂಟ್‌ಗಳ ಬದಲಿಗೆ, ಗ್ರೇಡಿಯಂಟ್‌ಗಳನ್ನು ಲೆಕ್ಕಾಚಾರ ಮಾಡಲು ಹೊಸ ವರ್ಗವನ್ನು ಪ್ರಸ್ತಾಪಿಸಲಾಗಿದೆ ಗ್ರೇಡಿಯಂಟ್ ಟೇಪ್;
• GPU ಬಳಸುವಾಗ ಗಮನಾರ್ಹವಾಗಿ ಹೆಚ್ಚಿದ ಕಾರ್ಯಕ್ಷಮತೆ.
  NVIDIA ವೋಲ್ಟಾ ಮತ್ತು ಟ್ಯೂರಿಂಗ್ GPU ಗಳೊಂದಿಗಿನ ವ್ಯವಸ್ಥೆಗಳಲ್ಲಿ ಮಾದರಿ ತರಬೇತಿಯ ವೇಗವು ಮೂರು ಪಟ್ಟು ಹೆಚ್ಚಾಗಿದೆ;
• ನಡೆಸಿದೆ ಪ್ರಮುಖ API ಸ್ವಚ್ಛಗೊಳಿಸುವಿಕೆ, ಅನೇಕ ಕರೆಗಳನ್ನು ಮರುಹೆಸರಿಸಲಾಗಿದೆ ಅಥವಾ ತೆಗೆದುಹಾಕಲಾಗಿದೆ, ಸಹಾಯಕ ವಿಧಾನಗಳಲ್ಲಿ ಜಾಗತಿಕ ವೇರಿಯಬಲ್‌ಗಳಿಗೆ ಬೆಂಬಲವನ್ನು ನಿಲ್ಲಿಸಲಾಗಿದೆ. tf.app, tf.flags, tf.logging ಬದಲಿಗೆ, ಹೊಸ absl-py API ಅನ್ನು ಪ್ರಸ್ತಾಪಿಸಲಾಗಿದೆ. ಹಳೆಯ API ಅನ್ನು ಬಳಸುವುದನ್ನು ಮುಂದುವರಿಸಲು, compat.v1 ಮಾಡ್ಯೂಲ್ ಅನ್ನು ಸಿದ್ಧಪಡಿಸಲಾಗಿದೆ.

ಮೂಲ: opennet.ru