významné vydanie platformy strojového učenia , ktorá poskytuje hotové implementácie rôznych algoritmov hlbokého strojového učenia, jednoduché programovacie rozhranie na vytváranie modelov v Pythone a nízkoúrovňové rozhranie pre jazyk C++, ktoré vám umožňuje riadiť konštrukciu a vykonávanie výpočtových grafov. Systémový kód je napísaný v C++ a Pythone a pod licenciou Apache.
Platformu pôvodne vyvinul tím Google Brain a používa sa v službách Google na rozpoznávanie reči, identifikáciu tvárí na fotografiách, zisťovanie podobnosti obrázkov, filtrovanie spamu v Gmaile, správy v Google News a organizovanie prekladu s prihliadnutím na význam. Distribuované systémy strojového učenia je možné vytvárať na štandardnom hardvéri vďaka vstavanej podpore TensorFlow pre distribúciu výpočtov medzi viaceré CPU alebo GPU.
TensorFlow poskytuje knižnicu hotových numerických výpočtových algoritmov implementovaných prostredníctvom grafov toku údajov. Uzly v takýchto grafoch implementujú matematické operácie alebo vstupné/výstupné body, zatiaľ čo okraje grafu predstavujú viacrozmerné dátové polia (tenzory), ktoré prúdia medzi uzlami.
Uzly môžu byť priradené k výpočtovým zariadeniam a vykonávané asynchrónne, súčasne spracovávať všetky pre ne vhodné soory naraz, čo umožňuje organizovať súčasnú prevádzku uzlov v neurónovej sieti analogicky so súčasnou aktiváciou neurónov v mozgu.
Hlavná pozornosť pri príprave novej verzie bola zameraná na zjednodušenie a jednoduchosť používania. :
- Na vytváranie a trénovanie modelov bolo navrhnuté nové API na vysokej úrovni , ktorý poskytuje niekoľko možností rozhrania pre vytváranie modelov (sekvenčné, funkčné, podtriedy) s možnosťou (bez predkompilácie) a s jednoduchým mechanizmom ladenia;
- Pridané API organizovať modely s minimálnymi zmenami v existujúcom kóde. Okrem možnosti rozloženia výpočtov naprieč , je k dispozícii experimentálna podpora pre rozdelenie procesu učenia na niekoľko nezávislých procesorov a možnosť využívať cloud (jednotka na spracovanie tenzora);
- Namiesto deklaratívneho modelu konštrukcie grafu s vykonávaním cez tf.Session je možné v Pythone písať bežné funkcie, ktoré je možné pomocou volania funkcie tf.function previesť na grafy a následne na diaľku spustiť, serializovať alebo optimalizovať pre lepší výkon;
- Pridaný prekladač , ktorý konvertuje prúd príkazov Pythonu na výrazy TensorFlow, čo umožňuje použitie kódu Pythonu vo funkciách tf.function-decorated, tf.data, tf.distribute a tf.keras;
- SavedModel zjednocuje formát výmeny modelov a pridáva podporu pre ukladanie a obnovu stavov modelu. Modely zostavené pre TensorFlow je teraz možné použiť v (na mobilných zariadeniach), (v prehliadači alebo Node.js), и ;
- Rozhrania API tf.train.Optimizers a tf.keras.Optimizers boli zjednotené; namiesto compute_gradients bola navrhnutá nová trieda na výpočet gradientov ;
- Výrazne zvýšený výkon pri použití GPU.
Rýchlosť modelovania na systémoch s GPU NVIDIA Volta a Turing sa zvýšila až trojnásobne; - Hlavné čistenie API, premenovanie alebo odstránenie mnohých hovorov, zastavená podpora globálnych premenných v pomocných metódach. Namiesto tf.app, tf.flags, tf.logging sa navrhuje nové absl-py API. Pre pokračovanie v používaní starého API bol pripravený modul compat.v1.
Zdroj: opennet.ru
