何日か前に 新しいバージョンが発表されました 機械学習プラットフォームの重要性 TensorFlow 2.0、 その さまざまな深層機械学習アルゴリズムのすぐに使用可能な実装を提供し、 Pythonでモデルを構築するためのシンプルなプログラミングインターフェイスと、計算グラフィックスの構築と実行を制御できるC ++用の低レベルインターフェイス。
プラットフォーム もともとはGoogleBrainチームによって開発され、Googleサービスによって使用されています 音声認識、写真の顔認識、画像の類似性の判断、Gmailでのスパムのフィルタリング、Googleニュースでのニュースの選択、意味に応じた翻訳の整理を行います。
TensorFlowは、コンピューターアルゴリズムのライブラリを提供します データフローチャートを介して実装された、すぐに使用できる数値。 このようなグラフのノードは、数学演算または入口/出口点を実装しますが、グラフのエッジは、ノード間を流れる多次元データセット(テンソル)を表します。
ノードをコンピューティングデバイスに割り当てて非同期で実行し、すべての適切なテンソルを同時に処理することができます。これにより、脳内のニューロンの同時発火と同様に、ニューラルネットワーク内のノードの同時操作を整理できます。
分散型機械学習システムは、標準的な機器で構築できます、コンピューティングを複数のCPUまたはGPUに拡張するためのTensorFlowの組み込みサポートのおかげです。 TensorFlowは複数のCPUとGPUで実行できます(グラフィックスプロセッシングユニットでの汎用コンピューティング用のオプションのCUDA拡張機能付き)
TensorFlowは、64ビットのLinux、macOS、およびAndroidやiOSを含むモバイルプラットフォームで利用できます。 システムコードはC ++およびPythonで記述されており、Apacheライセンスの下で配布されています。
TensorFlow2.0の主な新機能
この新しいバージョンのリリースで主な注目 簡素化と使いやすさに専念、モデルを構築してトレーニングする場合は、 新しい高レベルのKerasAPIが提案されました これは、モデル(シーケンシャル、ファンクショナル、サブクラス)を構築するためのインターフェースにいくつかのオプションを提供し、それらの即時実行の可能性(予備コンパイルなし)と単純なデバッグメカニズムを備えています。
分散モデルトレーニングを整理するためにtf.distribute.StrategyAPIを追加しました■既存のコードへの変更を最小限に抑えます。 計算を複数のGPUに分散する機能に加えて、学習プロセスを複数の独立したプロセッサに分割するために利用できる実験的なサポートと、クラウドTPU(テンソルプロセッシングユニット)を使用する機能があります。
tf.Sessionを介して実行される宣言型グラフ構築モデルの代わりに、tf.functionを呼び出してグラフに変換し、リモートで実行、シリアル化、または最適化してパフォーマンスを向上させることができる一般的なPython関数を作成できます。
追加されました PythonコマンドフローをTensorFlow式に変換するAutoGraphトランスレータ、tf.function、tf.data、tf.distribute、およびtf.keras関数内でPythonコードを使用できるようにします。
SavedModelは、モデル交換形式を統合し、モデルの状態を保存および復元するためのサポートを追加しました。 TensorFlowのアセンブルされたモデルは、TensorFlow Lite(モバイルデバイス上)、TensorFlow JS(ブラウザーまたはNode.js内)、TensorFlow Serving、およびTensorFlowHubで使用できるようになりました。
tf.train.Optimizersおよびtf.keras.OptimizersAPIが統合され、 compute_gradientsの代わりに、グラデーションを計算するための新しいGradientTapeクラスが提案されました。
また、この新しいバージョンのパフォーマンスは、GPUを使用した場合に大幅に向上しました。 NVIDIAVoltaおよびTuringGPUを搭載したシステムでのモデルトレーニングの速度は最大XNUMX倍に向上しました。
多くのクリーンアップAPI、多くの呼び出しの名前が変更または削除され、ヘルパーメソッドでのグローバル変数のサポートが壊れています。 tf.app、tf.flags、tf.loggingの代わりに、新しいabsl-pyAPIが提案されています。 古いAPIを引き続き使用するために、compat.v1モジュールが用意されています。
あなたがそれについてもっと知りたいならば、あなたは相談することができます 次のリンク。