TensorFlow 2.0 келеді, бұл машиналық оқытуға арналған ашық кітапхана

tf_logo

Бірнеше күн бұрын жаңа нұсқасы ұсынылды машиналық оқыту платформасының маңыздылығы TensorFlow 2.0, Que әртүрлі терең машиналық оқыту алгоритмдерін жүзеге асыруды қамтамасыз етеді, Python-да модельдерді құруға арналған қарапайым бағдарламалау интерфейсі және C ++ үшін төменгі деңгейлі интерфейс, бұл есептеу графикасының құрылысы мен орындалуын басқаруға мүмкіндік береді.

Платформа бастапқыда Google Brain командасы жасаған және оны Google қызметтері қолданады дауысты тану, фотосуреттерде тұлғаны тану, суреттердің ұқсастығын анықтау, Gmail-дегі спамды сүзу, Google News-тағы жаңалықтарды таңдау және аударманы мағынасына қарай ұйымдастыру.

TensorFlow компьютерлік алгоритмдер кітапханасын ұсынады мәліметтер ағынының диаграммалары арқылы жүзеге асырылған сандықтар. Мұндай графиктердегі түйіндер математикалық операцияларды немесе кіру / шығу нүктелерін жүзеге асырады, ал графтың шеттері түйіндер арасында ағып жатқан көп өлшемді мәліметтер жиынтығын (тензорларды) білдіреді.

Түйіндерді есептеу құрылғыларына жатқызуға болады және олар бір мезгілде барлық қолайлы тензорларды бір уақытта өңдей отырып, синхронды түрде жұмыс істей алады, бұл нейрондық жүйеде түйіндердің бір уақытта жұмыс істеуін мидың нейрондарының бір уақытта атылуымен ұқсастығы бойынша ұйымдастыруға мүмкіндік береді.

Машиналық оқытудың үлестірілген жүйелерін стандартты жабдықта құрастыруға болады, TensorFlow ішіндегі қолдаудың арқасында бірнеше CPU немесе GPU-ға есептеуді кеңейтуге болады. TensorFlow бірнеше CPU және GPU-да жұмыс істей алады (графикалық өңдеу қондырғыларында жалпы мақсаттағы есептеу үшін қосымша CUDA кеңейтімдері бар)

TensorFlow 64 биттік Linux, macOS және Android және iOS қоса мобильді платформаларда қол жетімді. Жүйелік код C ++ және Python-да жазылған және Apache лицензиясы бойынша таратылады.

TensorFlow 2.0 негізгі жаңа мүмкіндіктері

Осы жаңа нұсқаны шығарған кезде басты назар аударылады жеңілдетуге және пайдаланудың қарапайымдылығына несие берді, мысалы, модельдерді құру және үйрету, жаңа жоғары деңгейлі Keras API ұсынылды бұл интерфейстерге модельдерді (дәйекті, функционалды, кіші класс) құрудың бірнеше нұсқаларын ұсынады, оларды тез орындау мүмкіндігімен (алдын-ала компиляциясыз) және қарапайым күйін келтіру механизмімен.

Үлгі бойынша оқытуды ұйымдастыру үшін tf.distribute.Strategy API қосылдықолданыстағы кодты минималды өзгерте отырып. Есептеуді бірнеше GPU-ға тарату мүмкіндігіне қосымша, оқу процесін бірнеше тәуелсіз процессорлар бойынша бөлуге арналған эксперименттік қолдау және бұлтты TPU (Tensor Processing Unit) пайдалану мүмкіндігі бар.

Tf.Session арқылы орындалатын графикті құру туралы декларативті модельдің орнына tf.function шақыру арқылы графиктерге түрлендіруге болатын, содан кейін өнімділікті жақсарту үшін қашықтан орындалатын, серияланған немесе оңтайландырылатын жалпы Python функцияларын жазуға болады.

Қосылды Python командалық ағынын TensorFlow өрнектеріне түрлендіретін AutoGraph аудармашысы, бұл Python кодын tf.function, tf.data, tf.distribute және tf.keras функциялары аясында пайдалануға мүмкіндік береді.

SavedModel модельдерді ауыстыру пішімін бірыңғайлады және модельдердің күйін сақтау мен қалпына келтіруге қолдау көрсетті. TensorFlow үшін жинақталған модельдерді енді TensorFlow Lite (мобильді құрылғыларда), TensorFlow JS (браузерде немесе Node.js), TensorFlow қызмет көрсету және TensorFlow хабында пайдалануға болады.

Tf.train.Optimizers және tf.keras.Optimizers API интерфейстері біріктірілді, Compute_gradients орнына градиенттерді есептеу үшін жаңа GradientTape класы ұсынылды.

Сондай-ақ, бұл жаңа нұсқадағы өнімділік графикалық процессорды пайдалану кезінде айтарлықтай жоғары болды. NVIDIA Volta және Turing GPU жүйелерінде модельдерді оқыту жылдамдығы үш есеге дейін өсті.

Көптеген API тазарту, көптеген қоңыраулардың аты өзгертіліп немесе жойылады, көмекші әдістердегі глобальды айнымалыларға қолдау көрсетіледі. Tf.app, tf.flags, tf.logging орнына жаңа absl-py API ұсынылады. Ескі API-ді қолдануды жалғастыру үшін compat.v1 модулі дайындалды.

Егер сіз бұл туралы көбірек білгіңіз келсе, кеңес ала аласыз келесі сілтеме.


Мақаланың мазмұны біздің ұстанымдарымызды ұстанады редакторлық этика. Қате туралы хабарлау үшін нұқыңыз Мұнда.

Бірінші болып пікір айтыңыз

Пікіріңізді қалдырыңыз

Сіздің электрондық пошта мекен-жайы емес жарияланады. Міндетті өрістер таңбаланған *

*

*

  1. Деректерге жауапты: Мигель Анхель Гатан
  2. Деректердің мақсаты: СПАМ-ны басқару, түсініктемелерді басқару.
  3. Заңдылық: Сіздің келісіміңіз
  4. Деректер туралы ақпарат: заңды міндеттемелерді қоспағанда, деректер үшінші тұлғаларға жіберілмейді.
  5. Деректерді сақтау: Occentus Networks (ЕО) орналастырған мәліметтер базасы
  6. Құқықтар: Сіз кез-келген уақытта ақпаратты шектей, қалпына келтіре және жоя аласыз.