keluaran ketara platform pembelajaran mesin , yang menyediakan pelaksanaan siap pelbagai algoritma pembelajaran mesin dalam, antara muka pengaturcaraan mudah untuk membina model dalam Python, dan antara muka peringkat rendah untuk bahasa C++ yang membolehkan anda mengawal pembinaan dan pelaksanaan graf pengiraan. Kod sistem ditulis dalam C++ dan Python dan di bawah lesen Apache.
Platform ini pada asalnya dibangunkan oleh pasukan Google Brain dan digunakan dalam perkhidmatan Google untuk pengecaman pertuturan, mengenal pasti wajah dalam gambar, menentukan persamaan imej, menapis spam dalam Gmail, berita dalam Google News dan mengatur terjemahan dengan mengambil kira maksudnya. Sistem pembelajaran mesin teragih boleh dibuat pada perkakasan standard, terima kasih kepada sokongan terbina dalam TensorFlow untuk mengedarkan pengiraan merentas berbilang CPU atau GPU.
TensorFlow menyediakan perpustakaan algoritma pengiraan berangka siap pakai yang dilaksanakan melalui graf aliran data. Nod dalam graf sedemikian melaksanakan operasi matematik atau titik input/output, manakala tepi graf mewakili tatasusunan data berbilang dimensi (tensor) yang mengalir antara nod.
Nod boleh ditugaskan kepada peranti pengkomputeran dan dilaksanakan secara tak segerak, pada masa yang sama memproses semua tesor yang sesuai untuknya sekaligus, yang memungkinkan untuk mengatur operasi serentak nod dalam rangkaian saraf dengan analogi dengan pengaktifan serentak neuron di dalam otak.
Fokus utama dalam menyediakan versi baharu adalah pada pemudahan dan kemudahan penggunaan. :
- API peringkat tinggi baharu telah dicadangkan untuk membina dan melatih model , yang menyediakan beberapa pilihan antara muka untuk membina model (Sequential, Functional, Subclassing) dengan keupayaan untuk (tanpa pra-penyusunan) dan dengan mekanisme penyahpepijatan yang mudah;
- API ditambahkan untuk organisasi model dengan perubahan minimum kepada kod sedia ada. Sebagai tambahan kepada kemungkinan menyebarkan pengiraan merentasi , sokongan percubaan tersedia untuk membahagikan proses pembelajaran kepada beberapa pemproses bebas dan keupayaan untuk menggunakan awan (Unit pemprosesan tensor);
- Daripada model deklaratif untuk membina graf dengan pelaksanaan melalui tf.Session, adalah mungkin untuk menulis fungsi biasa dalam Python, yang, menggunakan panggilan ke tf.function, boleh ditukar menjadi graf dan kemudian dilaksanakan dari jauh, bersiri atau dioptimumkan untuk prestasi yang lebih baik;
- Ditambah penterjemah , yang menukar aliran perintah Python kepada ungkapan TensorFlow, membenarkan kod Python digunakan di dalam fungsi tf.function-decorated, tf.data, tf.distribute dan tf.keras;
- SavedModel menyatukan format pertukaran model dan menambah sokongan untuk menyimpan dan memulihkan keadaan model. Model yang disusun untuk TensorFlow kini boleh digunakan dalam (pada peranti mudah alih), (dalam pelayar atau Node.js), ΠΈ ;
- API tf.train.Optimizers dan tf.keras.Optimizers telah disatukan; bukannya compute_gradients, kelas baharu telah dicadangkan untuk mengira kecerunan ;
- Prestasi meningkat dengan ketara apabila menggunakan GPU.
Kelajuan latihan model pada sistem dengan GPU NVIDIA Volta dan Turing telah meningkat sehingga tiga kali ganda; - Pembersihan API utama, banyak panggilan dinamakan semula atau dialih keluar, sokongan untuk pembolehubah global dalam kaedah pembantu dihentikan. Daripada tf.app, tf.flags, tf.logging, API absl-py baharu dicadangkan. Untuk terus menggunakan API lama, modul compat.v1 telah disediakan.
Sumber: opennet.ru