TensorFlow 2.0 می آید ، یک کتابخانه منبع باز برای یادگیری ماشین

tf_logo

چند روز پیش نسخه جدیدی ارائه شد مهم از سیستم عامل یادگیری ماشین TensorFlow 2.0 ، که پیاده سازی خارج از جعبه الگوریتم های مختلف یادگیری ماشین عمیق ، یک رابط برنامه نویسی ساده برای ساخت مدل ها در پایتون و یک رابط سطح پایین برای ++ C که به شما امکان می دهد ساخت و اجرای گرافیک های محاسباتی را کنترل کنید.

پلت فرم در اصل توسط تیم Google Brain ساخته شده است و توسط سرویس های Google استفاده می شود برای تشخیص صدا ، تشخیص چهره در عکسها ، تعیین شباهت تصاویر ، فیلتر کردن هرزنامه در Gmail ، انتخاب اخبار در Google News و سازماندهی ترجمه با توجه به معنی.

TensorFlow کتابخانه ای از الگوریتم های رایانه را فراهم می کند عددهای خارج از جعبه که از طریق نمودارهای جریان داده اجرا می شوند. گره ها در چنین نمودارهایی عملیات ریاضی یا نقاط ورود / خروج را اجرا می کنند ، در حالی که لبه های نمودار مجموعه های داده ای چند بعدی (سنسورها) را نشان می دهد که بین گره ها جریان دارند.

گره ها را می توان به دستگاه های محاسباتی اختصاص داد و همزمان اجرا کرد ، همزمان پردازش همزمان همه حسگرهای مناسب ، به شما این امکان را می دهد که عملکرد همزمان گره ها را در یک شبکه عصبی با قیاس با شلیک همزمان نورون ها در مغز سازمان دهید.

سیستم های توزیع شده یادگیری ماشین را می توان بر روی تجهیزات استاندارد ساخت، به لطف پشتیبانی داخلی در TensorFlow برای گسترش محاسبات به چندین CPU یا GPU. TensorFlow می تواند روی چندین CPU و GPU (با پسوندهای CUDA اختیاری برای محاسبات عمومی در واحدهای پردازش گرافیک) اجرا شود

TensorFlow در سیستم عاملهای 64 بیتی لینوکس ، macOS و تلفن همراه از جمله Android و iOS در دسترس است. کد سیستم به زبان C ++ و Python نوشته شده و تحت مجوز Apache توزیع می شود.

ویژگی های اصلی جدید TensorFlow 2.0

با انتشار این نسخه جدید توجه اصلی است خود را به ساده سازی و سهولت استفاده وام داد، این موردی است که برای ساخت و آموزش مدل ها ، یک API جدید سطح بالا Keras ارائه شده است که چندین گزینه برای ایجاد رابطها جهت ساخت مدلها (ترتیبی ، کاربردی ، زیر کلاس) با امکان اجرای فوری آنها (بدون تدوین مقدماتی) و با یک مکانیزم اشکال زدایی ساده فراهم می کند.

tf.distribute.Strategy برای سازماندهی آموزش مدل توزیع شده اضافه شده استبا حداقل تغییر در کد موجود. علاوه بر توانایی توزیع محاسبات در چندین پردازنده گرافیکی ، پشتیبانی تجربی برای تقسیم فرآیند یادگیری در چندین پردازنده مستقل و توانایی استفاده از Cloud TPU (واحد پردازش تنش) وجود دارد.

به جای یک مدل ساختاری نمودار گویا با اجرای از طریق tf. جلسه ، می توان توابع مشترک Python را نوشت که می توانند با فراخوانی عملکرد tf.f به نمودار تبدیل شوند و سپس برای بهبود عملکرد از راه دور ، سریال یا بهینه سازی شوند. کارایی.

اضافه شده است یک مترجم AutoGraph که جریان دستور Python را به عبارات TensorFlow تبدیل می کند، که به شما امکان می دهد از کد پایتون در توابع tf.function ، tf.data ، tf.distribute و tf.keras استفاده کنید.

SavedModel قالب swap مدل را یکپارچه کرده و پشتیبانی را برای ذخیره و بازیابی حالت مدل ها اضافه کرده است. مدلهای مونتاژ شده برای TensorFlow اکنون می توانند در TensorFlow Lite (در دستگاههای تلفن همراه) ، TensorFlow JS (در یک مرورگر یا Node.js) ، TensorFlow Serving و TensorFlow Hub استفاده شوند.

tf.train.Optimizers و tf.keras.Optimizers API یکپارچه شده اند ، به جای compute_gradients ، کلاس جدید GradientTape برای محاسبه شیب ها پیشنهاد شده است.

همچنین عملکرد در این نسخه جدید هنگام استفاده از GPU به طور قابل توجهی بالاتر بوده است. سرعت آموزش مدل روی سیستم های دارای GPU های NVIDIA Volta و Turing تا سه برابر افزایش یافته است.

بسیاری از API های پاکسازی ، بسیاری از تماس ها تغییر نام داده یا حذف می شوند ، پشتیبانی از متغیرهای جهانی در روش های کمکی شکسته شده است. به جای tf.app ، tf.flags ، tf.logging ، یک API جدید absl-py پیشنهاد شده است. برای ادامه استفاده از API قدیمی ، ماژول compat.v1 آماده شده است.

اگر می خواهید در مورد آن بیشتر بدانید می توانید مشورت کنید لینک زیر


محتوای مقاله به اصول ما پیوست اخلاق تحریریه. برای گزارش یک خطا کلیک کنید اینجا.

اولین کسی باشید که نظر

نظر خود را بگذارید

نشانی ایمیل شما منتشر نخواهد شد. بخشهای موردنیاز علامتگذاری شدهاند با *

*

*

  1. مسئول داده ها: میگل آنخل گاتون
  2. هدف از داده ها: کنترل هرزنامه ، مدیریت نظرات.
  3. مشروعیت: رضایت شما
  4. ارتباط داده ها: داده ها به اشخاص ثالث منتقل نمی شوند مگر با تعهد قانونی.
  5. ذخیره سازی داده ها: پایگاه داده به میزبانی شبکه های Occentus (EU)
  6. حقوق: در هر زمان می توانید اطلاعات خود را محدود ، بازیابی و حذف کنید.