இயந்திர கற்றல் தளத்தின் குறிப்பிடத்தக்க வெளியீடு , இது பல்வேறு ஆழமான இயந்திர கற்றல் வழிமுறைகளின் ஆயத்த செயலாக்கங்களை வழங்குகிறது, பைத்தானில் மாதிரிகளை உருவாக்குவதற்கான எளிய நிரலாக்க இடைமுகம் மற்றும் C++ மொழிக்கான குறைந்த-நிலை இடைமுகம், இது கணக்கீட்டு வரைபடங்களின் கட்டுமானம் மற்றும் செயல்படுத்தலைக் கட்டுப்படுத்த உங்களை அனுமதிக்கிறது. கணினி குறியீடு C++ மற்றும் Python இல் எழுதப்பட்டுள்ளது அப்பாச்சி உரிமத்தின் கீழ்.
இந்த இயங்குதளமானது முதலில் கூகுள் பிரைன் குழுவால் உருவாக்கப்பட்டது மற்றும் கூகுள் சேவைகளில் பேச்சு அங்கீகாரம், புகைப்படங்களில் முகங்களை அடையாளம் காண்பது, படங்களின் ஒற்றுமையை கண்டறிதல், ஜிமெயிலில் ஸ்பேமை வடிகட்டுதல், Google செய்திகளில் உள்ள செய்திகள் மற்றும் அர்த்தத்தை கணக்கில் எடுத்துக்கொண்டு மொழிபெயர்ப்பை ஒழுங்கமைத்தல். பல CPUகள் அல்லது GPUகளில் கணக்கீடுகளை விநியோகிப்பதற்கான TensorFlow இன் உள்ளமைக்கப்பட்ட ஆதரவின் காரணமாக, நிலையான வன்பொருளில் விநியோகிக்கப்பட்ட இயந்திர கற்றல் அமைப்புகளை உருவாக்க முடியும்.
டென்சர்ஃப்ளோ தரவு ஓட்ட வரைபடங்கள் மூலம் செயல்படுத்தப்பட்ட ஆயத்த எண் கணக்கீட்டு வழிமுறைகளின் நூலகத்தை வழங்குகிறது. அத்தகைய வரைபடங்களில் உள்ள முனைகள் கணித செயல்பாடுகள் அல்லது உள்ளீடு/வெளியீட்டு புள்ளிகளை செயல்படுத்துகின்றன, அதே சமயம் வரைபடத்தின் விளிம்புகள் முனைகளுக்கு இடையில் பாயும் பல பரிமாண தரவு வரிசைகளை (டென்சர்கள்) குறிக்கின்றன.
கணுக்களை கம்ப்யூட்டிங் சாதனங்களுக்கு ஒதுக்கலாம் மற்றும் ஒத்திசைவற்ற முறையில் செயல்படுத்தலாம், ஒரே நேரத்தில் அவற்றிற்கு ஏற்ற அனைத்து தீசர்களையும் ஒரே நேரத்தில் செயலாக்கலாம், இது மூளையில் உள்ள நியூரான்களை ஒரே நேரத்தில் செயல்படுத்துவதன் மூலம் ஒரு நரம்பியல் வலையமைப்பில் முனைகளின் ஒரே நேரத்தில் செயல்பாட்டை ஒழுங்கமைக்க உதவுகிறது.
புதிய பதிப்பைத் தயாரிப்பதில் முக்கிய கவனம் எளிமைப்படுத்தல் மற்றும் பயன்பாட்டின் எளிமை. :
- மாதிரிகளை உருவாக்குவதற்கும் பயிற்சி செய்வதற்கும் ஒரு புதிய உயர்நிலை API முன்மொழியப்பட்டது , இது திறன் கொண்ட மாதிரிகளை உருவாக்குவதற்கு (தொடர்ச்சியான, செயல்பாட்டு, துணைப்பிரிவு) பல இடைமுக விருப்பங்களை வழங்குகிறது. (முன் தொகுத்தல் இல்லாமல்) மற்றும் ஒரு எளிய பிழைத்திருத்த பொறிமுறையுடன்;
- API சேர்க்கப்பட்டது அமைப்புக்காக ஏற்கனவே உள்ள குறியீட்டில் குறைந்தபட்ச மாற்றங்களைக் கொண்ட மாதிரிகள். கணக்கீடுகள் முழுவதும் பரவும் சாத்தியம் கூடுதலாக , கற்றல் செயல்முறையை பல சுயாதீன செயலிகளாகப் பிரிப்பதற்கும் மேகத்தைப் பயன்படுத்துவதற்கான திறனுக்கும் சோதனை ஆதரவு கிடைக்கிறது (டென்சர் செயலாக்க அலகு);
- tf.Session மூலம் ஒரு வரைபடத்தை உருவாக்குவதற்கான அறிவிப்பு மாதிரிக்கு பதிலாக, பைத்தானில் சாதாரண செயல்பாடுகளை எழுத முடியும், இது tf.functionக்கான அழைப்பைப் பயன்படுத்தி, வரைபடங்களாக மாற்றப்பட்டு, தொலைதூரத்தில் செயல்படுத்தப்படலாம், வரிசைப்படுத்தலாம் அல்லது மேம்படுத்தலாம். மேம்பட்ட செயல்திறனுக்காக;
- மொழிபெயர்ப்பாளர் சேர்க்கப்பட்டார் , இது பைதான் கட்டளைகளின் ஸ்ட்ரீமை TensorFlow வெளிப்பாடுகளாக மாற்றுகிறது, இது tf.function-decorated, tf.data, tf.distribute மற்றும் tf.keras செயல்பாடுகளுக்குள் பைதான் குறியீட்டைப் பயன்படுத்த அனுமதிக்கிறது;
- SavedModel மாதிரி பரிமாற்ற வடிவமைப்பை ஒருங்கிணைக்கிறது மற்றும் மாதிரி நிலைகளைச் சேமித்து மீட்டமைப்பதற்கான ஆதரவைச் சேர்க்கிறது. டென்சர்ஃப்ளோவுக்காக தொகுக்கப்பட்ட மாதிரிகள் இப்போது பயன்படுத்தப்படலாம் (மொபைல் சாதனங்களில்), (உலாவி அல்லது Node.js இல்), и ;
- tf.train.Optimizers மற்றும் tf.keras.Optimizers APIகள் ஒருங்கிணைக்கப்பட்டுள்ளன; கம்ப்யூட்_கிரேடியன்ட்களுக்குப் பதிலாக, சாய்வுகளைக் கணக்கிடுவதற்கு ஒரு புதிய வகுப்பு முன்மொழியப்பட்டுள்ளது. ;
- GPU ஐப் பயன்படுத்தும் போது கணிசமாக அதிகரித்த செயல்திறன்.
NVIDIA Volta மற்றும் Turing GPUகள் கொண்ட கணினிகளில் மாதிரி பயிற்சியின் வேகம் மூன்று மடங்கு வரை அதிகரித்துள்ளது; - முக்கிய API சுத்தம், பல அழைப்புகள் மறுபெயரிடப்பட்டன அல்லது அகற்றப்பட்டன, உதவி முறைகளில் உலகளாவிய மாறிகளுக்கான ஆதரவு நிறுத்தப்பட்டது. tf.app, tf.flags, tf.loggingக்கு பதிலாக, ஒரு புதிய absl-py API முன்மொழியப்பட்டது. பழைய API ஐ தொடர்ந்து பயன்படுத்த, compat.v1 தொகுதி தயார் செய்யப்பட்டுள்ளது.
ஆதாரம்: opennet.ru