ਮਸ਼ੀਨ ਲਰਨਿੰਗ ਸਿਸਟਮ ਟੈਂਸਰਫਲੋ 2.0 ਦੀ ਰਿਲੀਜ਼

ਪੇਸ਼ ਕੀਤਾ ਮਸ਼ੀਨ ਸਿਖਲਾਈ ਪਲੇਟਫਾਰਮ ਦੀ ਮਹੱਤਵਪੂਰਨ ਰੀਲੀਜ਼ ਟੈਂਸਰਫਲੋ 2.0, ਜੋ ਕਿ ਵੱਖ-ਵੱਖ ਡੂੰਘੇ ਮਸ਼ੀਨ ਲਰਨਿੰਗ ਐਲਗੋਰਿਦਮ, ਪਾਈਥਨ ਵਿੱਚ ਮਾਡਲ ਬਣਾਉਣ ਲਈ ਇੱਕ ਸਧਾਰਨ ਪ੍ਰੋਗਰਾਮਿੰਗ ਇੰਟਰਫੇਸ, ਅਤੇ C++ ਭਾਸ਼ਾ ਲਈ ਇੱਕ ਨੀਵੇਂ-ਪੱਧਰ ਦਾ ਇੰਟਰਫੇਸ ਪ੍ਰਦਾਨ ਕਰਦਾ ਹੈ ਜੋ ਤੁਹਾਨੂੰ ਕੰਪਿਊਟੇਸ਼ਨਲ ਗ੍ਰਾਫਾਂ ਦੇ ਨਿਰਮਾਣ ਅਤੇ ਅਮਲ ਨੂੰ ਨਿਯੰਤਰਿਤ ਕਰਨ ਦੀ ਇਜਾਜ਼ਤ ਦਿੰਦਾ ਹੈ। ਸਿਸਟਮ ਕੋਡ C++ ਅਤੇ ਪਾਈਥਨ ਅਤੇ ਵਿੱਚ ਲਿਖਿਆ ਗਿਆ ਹੈ ਦੁਆਰਾ ਵੰਡਿਆ ਅਪਾਚੇ ਲਾਇਸੰਸ ਦੇ ਤਹਿਤ.

ਪਲੇਟਫਾਰਮ ਨੂੰ ਅਸਲ ਵਿੱਚ ਗੂਗਲ ਬ੍ਰੇਨ ਟੀਮ ਦੁਆਰਾ ਵਿਕਸਤ ਕੀਤਾ ਗਿਆ ਸੀ ਅਤੇ ਇਸਨੂੰ ਬੋਲਣ ਦੀ ਪਛਾਣ, ਤਸਵੀਰਾਂ ਵਿੱਚ ਚਿਹਰਿਆਂ ਦੀ ਪਛਾਣ ਕਰਨ, ਚਿੱਤਰਾਂ ਦੀ ਸਮਾਨਤਾ ਨੂੰ ਨਿਰਧਾਰਤ ਕਰਨ, ਜੀਮੇਲ ਵਿੱਚ ਸਪੈਮ ਨੂੰ ਫਿਲਟਰ ਕਰਨ ਲਈ Google ਸੇਵਾਵਾਂ ਵਿੱਚ ਵਰਤਿਆ ਜਾਂਦਾ ਹੈ, ਚੋਣ Google ਖਬਰਾਂ ਵਿੱਚ ਖਬਰਾਂ ਅਤੇ ਅਰਥ ਨੂੰ ਧਿਆਨ ਵਿੱਚ ਰੱਖਦੇ ਹੋਏ ਅਨੁਵਾਦ ਨੂੰ ਵਿਵਸਥਿਤ ਕਰਨਾ। ਡਿਸਟਰੀਬਿਊਟਡ ਮਸ਼ੀਨ ਲਰਨਿੰਗ ਸਿਸਟਮ ਸਟੈਂਡਰਡ ਹਾਰਡਵੇਅਰ 'ਤੇ ਬਣਾਏ ਜਾ ਸਕਦੇ ਹਨ, ਕਈ CPUs ਜਾਂ GPUs ਵਿੱਚ ਗਣਨਾਵਾਂ ਨੂੰ ਵੰਡਣ ਲਈ TensorFlow ਦੇ ਬਿਲਟ-ਇਨ ਸਮਰਥਨ ਲਈ ਧੰਨਵਾਦ।

ਟੈਨਸਰਫਲੋ ਡਾਟਾ ਪ੍ਰਵਾਹ ਗ੍ਰਾਫਾਂ ਦੁਆਰਾ ਲਾਗੂ ਕੀਤੇ ਗਏ ਸੰਖਿਆਤਮਕ ਗਣਨਾ ਐਲਗੋਰਿਦਮ ਦੀ ਇੱਕ ਲਾਇਬ੍ਰੇਰੀ ਪ੍ਰਦਾਨ ਕਰਦਾ ਹੈ। ਅਜਿਹੇ ਗ੍ਰਾਫਾਂ ਵਿੱਚ ਨੋਡ ਗਣਿਤਿਕ ਕਾਰਵਾਈਆਂ ਜਾਂ ਇਨਪੁਟ/ਆਉਟਪੁੱਟ ਪੁਆਇੰਟਾਂ ਨੂੰ ਲਾਗੂ ਕਰਦੇ ਹਨ, ਜਦੋਂ ਕਿ ਗ੍ਰਾਫ ਦੇ ਕਿਨਾਰੇ ਬਹੁ-ਆਯਾਮੀ ਡੇਟਾ ਐਰੇ (ਟੈਂਸਰ) ਨੂੰ ਦਰਸਾਉਂਦੇ ਹਨ ਜੋ ਨੋਡਾਂ ਦੇ ਵਿਚਕਾਰ ਵਹਿਦੇ ਹਨ।
ਨੋਡਾਂ ਨੂੰ ਕੰਪਿਊਟਿੰਗ ਡਿਵਾਈਸਾਂ ਨੂੰ ਨਿਰਧਾਰਤ ਕੀਤਾ ਜਾ ਸਕਦਾ ਹੈ ਅਤੇ ਅਸਿੰਕਰੋਨਸ ਤੌਰ 'ਤੇ ਚਲਾਇਆ ਜਾ ਸਕਦਾ ਹੈ, ਇੱਕੋ ਸਮੇਂ ਉਹਨਾਂ ਲਈ ਢੁਕਵੇਂ ਸਾਰੇ ਥੀਸਰਾਂ ਦੀ ਪ੍ਰਕਿਰਿਆ ਕਰ ਸਕਦਾ ਹੈ, ਜਿਸ ਨਾਲ ਦਿਮਾਗ ਵਿੱਚ ਨਿਊਰੋਨਸ ਦੀ ਸਮਕਾਲੀ ਸਰਗਰਮੀ ਨਾਲ ਸਮਾਨਤਾ ਦੁਆਰਾ ਇੱਕ ਨਿਊਰਲ ਨੈਟਵਰਕ ਵਿੱਚ ਨੋਡਾਂ ਦੇ ਇੱਕੋ ਸਮੇਂ ਦੇ ਸੰਚਾਲਨ ਨੂੰ ਸੰਗਠਿਤ ਕਰਨਾ ਸੰਭਵ ਹੋ ਜਾਂਦਾ ਹੈ।

ਨਵੇਂ ਸੰਸਕਰਣ ਨੂੰ ਤਿਆਰ ਕਰਨ ਵਿੱਚ ਮੁੱਖ ਫੋਕਸ ਸਰਲੀਕਰਨ ਅਤੇ ਵਰਤੋਂ ਵਿੱਚ ਆਸਾਨੀ 'ਤੇ ਸੀ। ਕੁਝ ਨਵੀਨਤਾਵਾਂ:

• ਮਾਡਲ ਬਣਾਉਣ ਅਤੇ ਸਿਖਲਾਈ ਦੇਣ ਲਈ ਇੱਕ ਨਵਾਂ ਉੱਚ-ਪੱਧਰੀ API ਪ੍ਰਸਤਾਵਿਤ ਕੀਤਾ ਗਿਆ ਹੈ ਕੇਰਸ, ਜੋ ਕਿ ਬਿਲਡਿੰਗ ਮਾਡਲਾਂ (ਕ੍ਰਮਵਾਰ, ਕਾਰਜਸ਼ੀਲ, ਉਪ-ਕਲਾਸਿੰਗ) ਲਈ ਕਈ ਇੰਟਰਫੇਸ ਵਿਕਲਪ ਪ੍ਰਦਾਨ ਕਰਦਾ ਹੈ ਤੁਰੰਤ ਲਾਗੂ ਕਰਨਾ (ਪੂਰਵ-ਸੰਕਲਨ ਤੋਂ ਬਿਨਾਂ) ਅਤੇ ਇੱਕ ਸਧਾਰਨ ਡੀਬੱਗਿੰਗ ਵਿਧੀ ਨਾਲ;
• API ਨੂੰ ਜੋੜਿਆ ਗਿਆ tf.distribute.Strategy ਸੰਗਠਨ ਲਈ ਸਿੱਖਿਆ ਨੂੰ ਵੰਡਿਆ ਮੌਜੂਦਾ ਕੋਡ ਵਿੱਚ ਘੱਟੋ-ਘੱਟ ਤਬਦੀਲੀਆਂ ਵਾਲੇ ਮਾਡਲ। ਗਣਨਾ ਨੂੰ ਭਰ ਵਿੱਚ ਫੈਲਾਉਣ ਦੀ ਸੰਭਾਵਨਾ ਤੋਂ ਇਲਾਵਾ ਮਲਟੀਪਲ GPUs, ਸਿੱਖਣ ਦੀ ਪ੍ਰਕਿਰਿਆ ਨੂੰ ਕਈ ਸੁਤੰਤਰ ਪ੍ਰੋਸੈਸਰਾਂ ਵਿੱਚ ਵੰਡਣ ਅਤੇ ਕਲਾਉਡ ਦੀ ਵਰਤੋਂ ਕਰਨ ਦੀ ਯੋਗਤਾ ਲਈ ਪ੍ਰਯੋਗਾਤਮਕ ਸਹਾਇਤਾ ਉਪਲਬਧ ਹੈ। TPU (ਟੈਂਸਰ ਪ੍ਰੋਸੈਸਿੰਗ ਯੂਨਿਟ);
• tf.Session ਦੁਆਰਾ ਐਗਜ਼ੀਕਿਊਸ਼ਨ ਦੇ ਨਾਲ ਇੱਕ ਗ੍ਰਾਫ ਬਣਾਉਣ ਦੇ ਇੱਕ ਘੋਸ਼ਣਾਤਮਕ ਮਾਡਲ ਦੀ ਬਜਾਏ, ਪਾਈਥਨ ਵਿੱਚ ਆਮ ਫੰਕਸ਼ਨਾਂ ਨੂੰ ਲਿਖਣਾ ਸੰਭਵ ਹੈ, ਜੋ ਕਿ, tf.function ਨੂੰ ਇੱਕ ਕਾਲ ਦੀ ਵਰਤੋਂ ਕਰਕੇ, ਗ੍ਰਾਫਾਂ ਵਿੱਚ ਬਦਲਿਆ ਜਾ ਸਕਦਾ ਹੈ ਅਤੇ ਫਿਰ ਰਿਮੋਟਲੀ ਐਗਜ਼ੀਕਿਊਟ, ਸੀਰੀਅਲਾਈਜ਼ ਜਾਂ ਅਨੁਕੂਲਿਤ ਕੀਤਾ ਜਾ ਸਕਦਾ ਹੈ। ਬਿਹਤਰ ਪ੍ਰਦਰਸ਼ਨ ਲਈ;
• ਅਨੁਵਾਦਕ ਸ਼ਾਮਲ ਕੀਤਾ ਗਿਆ ਆਟੋਗ੍ਰਾਫ, ਜੋ Python ਕਮਾਂਡਾਂ ਦੀ ਇੱਕ ਸਟ੍ਰੀਮ ਨੂੰ TensorFlow ਸਮੀਕਰਨਾਂ ਵਿੱਚ ਬਦਲਦਾ ਹੈ, Python ਕੋਡ ਨੂੰ tf.function-decorated, tf.data, tf.distribute, ਅਤੇ tf.keras ਫੰਕਸ਼ਨਾਂ ਵਿੱਚ ਵਰਤਣ ਦੀ ਇਜਾਜ਼ਤ ਦਿੰਦਾ ਹੈ;
• SavedModel ਮਾਡਲ ਐਕਸਚੇਂਜ ਫਾਰਮੈਟ ਨੂੰ ਏਕੀਕ੍ਰਿਤ ਕਰਦਾ ਹੈ ਅਤੇ ਮਾਡਲ ਅਵਸਥਾਵਾਂ ਨੂੰ ਬਚਾਉਣ ਅਤੇ ਬਹਾਲ ਕਰਨ ਲਈ ਸਮਰਥਨ ਜੋੜਦਾ ਹੈ। TensorFlow ਲਈ ਕੰਪਾਇਲ ਕੀਤੇ ਮਾਡਲਾਂ ਨੂੰ ਹੁਣ ਵਿੱਚ ਵਰਤਿਆ ਜਾ ਸਕਦਾ ਹੈ ਟੈਨਸਰਫਲੋ ਲਾਈਟ (ਮੋਬਾਈਲ ਡਿਵਾਈਸਾਂ 'ਤੇ), TensorFlow JS (ਬ੍ਰਾਊਜ਼ਰ ਜਾਂ Node.js ਵਿੱਚ), ਟੈਂਸਰਫਲੋ ਸਰਵਿੰਗ и ਟੈਂਸਰਫਲੋ ਹੱਬ;
• tf.train.Optimizers ਅਤੇ tf.keras.Optimizers API ਨੂੰ ਏਕੀਕ੍ਰਿਤ ਕੀਤਾ ਗਿਆ ਹੈ; compute_gradients ਦੀ ਬਜਾਏ, gradients ਦੀ ਗਣਨਾ ਕਰਨ ਲਈ ਇੱਕ ਨਵੀਂ ਕਲਾਸ ਦਾ ਪ੍ਰਸਤਾਵ ਕੀਤਾ ਗਿਆ ਹੈ ਗਰੇਡੀਐਂਟ ਟੇਪ;
• GPU ਦੀ ਵਰਤੋਂ ਕਰਦੇ ਸਮੇਂ ਕਾਰਗੁਜ਼ਾਰੀ ਵਿੱਚ ਮਹੱਤਵਪੂਰਨ ਵਾਧਾ ਹੋਇਆ ਹੈ।
  NVIDIA ਵੋਲਟਾ ਅਤੇ ਟਿਊਰਿੰਗ GPU ਦੇ ਨਾਲ ਸਿਸਟਮਾਂ 'ਤੇ ਮਾਡਲ ਸਿਖਲਾਈ ਦੀ ਗਤੀ ਤਿੰਨ ਗੁਣਾ ਤੱਕ ਵਧ ਗਈ ਹੈ;

• ਕੀਤਾ ਮੁੱਖ API ਕਲੀਨਅੱਪ, ਬਹੁਤ ਸਾਰੀਆਂ ਕਾਲਾਂ ਦਾ ਨਾਮ ਬਦਲਿਆ ਜਾਂ ਹਟਾਇਆ ਗਿਆ, ਸਹਾਇਕ ਤਰੀਕਿਆਂ ਵਿੱਚ ਗਲੋਬਲ ਵੇਰੀਏਬਲ ਲਈ ਸਮਰਥਨ ਬੰਦ ਹੋ ਗਿਆ। tf.app, tf.flags, tf.logging ਦੀ ਬਜਾਏ, ਇੱਕ ਨਵਾਂ absl-py API ਪ੍ਰਸਤਾਵਿਤ ਹੈ। ਪੁਰਾਣੇ API ਦੀ ਵਰਤੋਂ ਜਾਰੀ ਰੱਖਣ ਲਈ, compat.v1 ਮੋਡੀਊਲ ਤਿਆਰ ਕੀਤਾ ਗਿਆ ਹੈ।

ਸਰੋਤ: opennet.ru