mashinani o'rganish platformasining muhim chiqarilishi , bu turli xil chuqur mashinalarni o'rganish algoritmlarini tayyor amalga oshirishni, Python-da modellarni yaratish uchun oddiy dasturlash interfeysini va C++ tili uchun hisoblash grafiklarini qurish va bajarilishini boshqarish imkonini beruvchi past darajali interfeysni taqdim etadi. Tizim kodi C++ va Python va tillarida yozilgan Apache litsenziyasi ostida.
Platforma dastlab Google Brain jamoasi tomonidan ishlab chiqilgan boʻlib, Google xizmatlarida nutqni aniqlash, fotosuratlardagi yuzlarni aniqlash, tasvirlarning oʻxshashligini aniqlash, Gmail’da spamni filtrlash, Google News-dagi yangiliklar va ma'noni hisobga olgan holda tarjimani tashkil qilish. Bir nechta protsessorlar yoki GPUlar bo'ylab hisob-kitoblarni tarqatish uchun TensorFlow-ning o'rnatilgan yordami tufayli taqsimlangan mashinalarni o'rganish tizimlari standart uskunada yaratilishi mumkin.
TensorFlow ma'lumotlar oqimi grafiklari orqali amalga oshirilgan tayyor raqamli hisoblash algoritmlari kutubxonasini taqdim etadi. Bunday grafiklardagi tugunlar matematik amallarni yoki kirish/chiqish nuqtalarini amalga oshiradi, grafikning chekkalari esa tugunlar orasida oqadigan ko‘p o‘lchovli ma’lumotlar massivlarini (tensorlarni) ifodalaydi.
Tugunlar hisoblash qurilmalariga tayinlanishi va asinxron tarzda bajarilishi mumkin, bir vaqtning o'zida ular uchun mos keladigan barcha tezorlarni qayta ishlaydi, bu esa miyadagi neyronlarning bir vaqtning o'zida faollashishiga o'xshash neyron tarmoqdagi tugunlarning bir vaqtning o'zida ishlashini tashkil qilish imkonini beradi.
Yangi versiyani tayyorlashda asosiy e'tibor soddalashtirish va foydalanish qulayligiga qaratildi. :
- Modellarni yaratish va o'qitish uchun yangi yuqori darajadagi API taklif qilindi qobiliyatiga ega modellarni (Sequential, Functional, Subclassing) qurish uchun bir nechta interfeys variantlarini taqdim etadi. (oldindan kompilyatsiya qilmasdan) va oddiy disk raskadrovka mexanizmi bilan;
- API qo'shildi tashkilot uchun mavjud kodga minimal o'zgarishlar kiritilgan modellar. Hisob-kitoblarni bo'ylab tarqatish imkoniyatidan tashqari , o'quv jarayonini bir nechta mustaqil protsessorlarga bo'lish va bulutdan foydalanish qobiliyati uchun eksperimental yordam mavjud (Tensorni qayta ishlash bloki);
- Tf.Session orqali bajariladigan grafikni qurishning deklarativ modeli o'rniga Pythonda oddiy funksiyalarni yozish mumkin, ular tf.function ga qo'ng'iroq yordamida grafiklarga aylantirilishi va keyin masofadan turib bajarilishi, seriyali yoki optimallashtirilishi mumkin. ish faoliyatini yaxshilash uchun;
- Tarjimon qo'shildi , bu Python buyruqlar oqimini TensorFlow ifodalariga aylantirib, Python kodini tf.function-decorated, tf.data, tf.distribute va tf.keras funksiyalarida ishlatish imkonini beradi;
- SavedModel model almashish formatini birlashtiradi va model holatini saqlash va tiklash uchun qo'llab-quvvatlaydi. TensorFlow uchun tuzilgan modellardan endi foydalanish mumkin (mobil qurilmalarda), (brauzerda yoki Node.js da), и ;
- tf.train.Optimizers va tf.keras.Optimizers API'lari birlashtirildi; compute_gradients o'rniga gradientlarni hisoblash uchun yangi sinf taklif qilindi. ;
- GPU-dan foydalanishda unumdorlikni sezilarli darajada oshirdi.
NVIDIA Volta va Turing GPU-larga ega tizimlarda modellarni o'qitish tezligi uch baravarga oshdi; - Asosiy API tozalash, ko'plab qo'ng'iroqlar nomi o'zgartirildi yoki o'chirildi, yordamchi usullarda global o'zgaruvchilarni qo'llab-quvvatlash to'xtatildi. Tf.app, tf.flags, tf.logging o'rniga yangi absl-py API taklif etiladi. Eski APIdan foydalanishni davom ettirish uchun compat.v1 moduli tayyorlandi.
Manba: opennet.ru