머신 러닝을위한 오픈 소스 라이브러리 인 TensorFlow 2.0 출시

tf_로고

며칠 전 새 버전이 발표되었습니다 기계 학습 플랫폼의 중요 텐서플로우 2.0, 해적 다양한 딥 머신 러닝 알고리즘의 기본 구현을 제공합니다. Python으로 모델을 빌드하기위한 간단한 프로그래밍 인터페이스와 계산 그래픽의 구성 및 실행을 제어 할 수있는 C ++ 용 저수준 인터페이스입니다.

플랫폼 원래 Google Brain 팀에서 개발했으며 Google 서비스에서 사용합니다. 음성 인식, 사진의 얼굴 인식, 이미지 유사성 결정, Gmail에서 스팸 필터링, Google 뉴스에서 뉴스 선택 및 의미에 따라 번역 구성.

TensorFlow는 컴퓨터 알고리즘 라이브러리를 제공합니다. 데이터 흐름 차트를 통해 구현되는 즉시 사용 가능한 숫자. 이러한 그래프의 노드는 수학적 연산 또는 진입 / 종료 지점을 구현하는 반면 그래프의 가장자리는 노드간에 흐르는 다차원 데이터 세트 (텐서)를 나타냅니다.

노드는 컴퓨팅 장치에 할당되고 비동기 적으로 실행될 수 있으며, 모든 적합한 텐서를 동시에 처리하여 뇌에서 뉴런의 동시 발사와 유사하게 신경망에서 노드의 동시 작동을 구성 할 수 있습니다.

분산 머신 러닝 시스템은 표준 장비에 구축 될 수 있습니다., 컴퓨팅을 여러 CPU 또는 GPU로 확장하기위한 TensorFlow의 기본 제공 지원 덕분입니다. TensorFlow는 여러 CPU 및 GPU에서 실행될 수 있습니다 (그래픽 처리 장치에서 범용 컴퓨팅을위한 선택적 CUDA 확장 포함).

TensorFlow는 64 비트 Linux, macOS 및 Android 및 iOS를 포함한 모바일 플랫폼에서 사용할 수 있습니다. 시스템 코드는 C ++ 및 Python으로 작성되며 Apache 라이선스에 따라 배포됩니다.

TensorFlow 2.0의 새로운 주요 기능

이 새 버전의 출시와 함께 주요 관심 단순화 및 사용 용이성, 모델을 구축하고 훈련하는 경우, 새로운 고수준 Keras API가 제안되었습니다. 즉석 실행 가능성 (예비 컴파일없이)과 간단한 디버깅 메커니즘으로 모델 (순차적, 기능적, 하위 클래스)을 빌드하기위한 인터페이스에 대한 여러 옵션을 제공합니다.

분산 모델 학습을 구성하기 위해 tf.distribute.Strategy API 추가기존 코드를 최소한으로 수정합니다. 계산을 여러 GPU에 분산하는 기능 외에도 학습 프로세스를 여러 독립 프로세서로 분할하고 클라우드 TPU (Tensor Processing Unit)를 사용할 수있는 기능을 실험적으로 지원합니다.

tf.Session을 통해 실행되는 선언적 그래프 구성 모델 대신 tf.function을 호출하여 그래프로 변환 한 다음 원격으로 실행, 직렬화 또는 최적화하여 성능을 향상시킬 수있는 일반적인 Python 함수를 작성할 수 있습니다. 공연.

추가되었다 Python 명령 흐름을 TensorFlow 표현식으로 변환하는 AutoGraph 변환기, tf.function, tf.data, tf.distribute 및 tf.keras 함수 내에서 Python 코드를 사용할 수 있습니다.

SavedModel은 모델 교환 형식을 통합하고 모델 상태 저장 및 복원에 대한 지원을 추가했습니다. TensorFlow 용으로 조립 된 모델은 이제 TensorFlow Lite (모바일 기기), TensorFlow JS (브라우저 또는 Node.js), TensorFlow Serving 및 TensorFlow Hub에서 사용할 수 있습니다.

tf.train.Optimizers 및 tf.keras.Optimizers API가 통합되었습니다. compute_gradients 대신 그라디언트를 계산하기 위해 새로운 GradientTape 클래스가 제안되었습니다.

또한이 새 버전의 성능은 GPU를 사용할 때 훨씬 더 높아졌습니다. NVIDIA Volta 및 Turing GPU 시스템의 모델 학습 속도가 최대 XNUMX 배 증가했습니다.

많은 정리 API, 많은 호출의 이름이 변경되거나 제거되고, 도우미 메서드의 전역 변수에 대한 지원이 중단됩니다. tf.app, tf.flags, tf.logging 대신 새로운 absl-py API가 제안됩니다. 이전 API를 계속 사용하기 위해 compat.v1 모듈이 준비되었습니다.

그것에 대해 더 알고 싶다면 상담 할 수 있습니다. 다음 링크.


코멘트를 첫번째로 올려

코멘트를 남겨주세요

귀하의 이메일 주소는 공개되지 않습니다. 필수 필드가 표시되어 있습니다 *

*

*

  1. 데이터 책임자 : Miguel Ángel Gatón
  2. 데이터의 목적 : 스팸 제어, 댓글 관리.
  3. 합법성 : 귀하의 동의
  4. 데이터 전달 : 법적 의무에 의한 경우를 제외하고 데이터는 제 XNUMX 자에게 전달되지 않습니다.
  5. 데이터 저장소 : Occentus Networks (EU)에서 호스팅하는 데이터베이스
  6. 권리 : 귀하는 언제든지 귀하의 정보를 제한, 복구 및 삭제할 수 있습니다.