значајно издање платформе за машинско учење , који обезбеђује готове имплементације различитих алгоритама дубоког машинског учења, једноставан програмски интерфејс за прављење модела у Питхон-у и интерфејс ниског нивоа за језик Ц++ који вам омогућава да контролишете конструкцију и извршавање рачунарских графикона. Системски код је написан у Ц++ и Питхон и под лиценцом Апацхе.
Платформу је првобитно развио тим Гоогле Браин и користи се у Гоогле услугама за препознавање говора, идентификацију лица на фотографијама, одређивање сличности слика, филтрирање нежељене поште у Гмаил-у, вести у Гоогле вестима и организовање превода узимајући у обзир значење. Дистрибуирани системи машинског учења могу се креирати на стандардном хардверу, захваљујући ТенсорФлов-овој уграђеној подршци за дистрибуцију прорачуна на више ЦПУ-а или ГПУ-а.
ТенсорФлов обезбеђује библиотеку готових алгоритама нумеричког прорачуна имплементираних кроз графове тока података. Чворови у таквим графовима имплементирају математичке операције или улазне/излазне тачке, док ивице графа представљају вишедимензионалне низове података (тензоре) који теку између чворова.
Чворови се могу доделити рачунарским уређајима и извршавати асинхроно, истовремено обрађујући све тезоре који су им погодни одједном, што омогућава организовање истовременог рада чворова у неуронској мрежи по аналогији са истовременом активацијом неурона у мозгу.
Главни фокус у припреми нове верзије био је на поједностављењу и лакоћи коришћења. :
- Предложен је нови АПИ високог нивоа за изградњу и обуку модела , који пружа неколико опција интерфејса за прављење модела (секвенцијални, функционални, подкласични) са могућношћу (без пре-компилације) и са једноставним механизмом за отклањање грешака;
- Додат АПИ за организацију модели са минималним изменама постојећег кода. Поред могућности ширења прорачуна преко , доступна је експериментална подршка за поделу процеса учења на неколико независних процесора и могућност коришћења облака (Тензор процесорска јединица);
- Уместо декларативног модела конструисања графа са извршавањем кроз тф.Сессион, могуће је писати обичне функције у Питхон-у, које се, коришћењем позива тф.фунцтион, могу конвертовати у графиконе, а затим даљински извршавати, серијалисати или оптимизовати за побољшане перформансе;
- Додат преводилац , који конвертује ток Питхон команди у ТенсорФлов изразе, омогућавајући Питхон коду да се користи унутар функција украшених тф.фунцтион, тф.дата, тф.дистрибуте и тф.керас;
- СаведМодел обједињује формат размене модела и додаје подршку за чување и враћање стања модела. Модели састављени за ТенсорФлов сада се могу користити у (на мобилним уређајима), (у претраживачу или Ноде.јс), и ;
- АПИ-ји тф.траин.Оптимизерс и тф.керас.Оптимизерс су уједињени; уместо цомпуте_градиентс, предложена је нова класа за израчунавање градијента ;
- Значајно повећане перформансе када се користи ГПУ.
Брзина обуке модела на системима са НВИДИА Волта и Туринг ГПУ-овима је повећана до три пута; - Главно чишћење АПИ-ја, многи позиви су преименовани или уклоњени, подршка за глобалне варијабле у помоћним методама је заустављена. Уместо тф.апп, тф.флагс, тф.логгинг, предложен је нови абсл-пи АПИ. За наставак коришћења старог АПИ-ја, припремљен је модул цомпат.в1.
Извор: опеннет.ру