Google 開源機器學習系統 TensorFlow 1.0 正式發表

作者 | 發布日期 2017 年 02 月 18 日 10:34 | 分類 Google , 人工智慧 , 軟體、系統 follow us in feedly

Google 表示,僅僅在發表第一年裡,TensorFlow 就幫助研究人員、工程師、藝術家、學生及其他工業人員取得巨大研究進展。這包括機器翻譯、早期皮膚癌偵測、防止糖尿病失明併發症等諸多領域。如今,TensorFlow 被用在逾 6,000 個開源資源程式庫,Google 研究人員對此感到十分欣喜。



15 晚上 Google 在山景城舉辦了第一屆 TensorFlow 開發者高峰會,會上發表了 TensorFlow 1.0 正式版。一起來看看它有哪些新特徴:雷鋒網配圖

更快

它運算更快──TensorFlow 1.0 有十分驚人的速度。快到什麼程度呢?據 Google 表示,在使用 8 個 GPU 的情況下,TensorFlow 1.0 在 Inception v3 的測試中速度提升 7.3 倍。在 64 個分散式 GPU 集群上執行,Inception v3 的跑分增加 58 倍。

不僅如此,XLA(Accelerated Linear Algebra,加速線性代數)還為未來進一步的效能提升打下了基礎。TensorFlow 的官方網站 tensorflow.org 也上線了官方使用指南和祕訣,以幫助開發者調整模型參數,達到最大的訓練速度。另外,雷鋒網獲知,Google 將發表針對幾大主流模型的實做指導(更新版本),教學如何最大化利用 TensorFlow 1.0,相信不久之後就可以看到。

更靈活

它更加靈活──TensorFlow 1.0 加入新的進階別 API,還有 tf.layers、tf.metrics、tf.losses 模組。非常關鍵的是,Google 宣布 TensorFlow 1.0 內建新的 tf.keras 模組──後者使 TensorFlow 為 Keras 提供「完全」相容支援。這在之前就傳過風聲。做為一個在 ML 開發者當中廣為流傳的神經網路程式庫,Keras 加入無疑讓 Tensorflow 使用上更便利。

更穩定

更適合商業化──TensorFlow 加強了 Python API 的穩定性,更容易為它加入新特徵,不需要推翻已有的程式碼。

TensorFlow 1.0 的其他關鍵升級:

  • Python API 修改得更像 NumPy。與此同時,在一定程度上犧牲了向下相容性,以最大化 API 的穩定性。具體有哪些改變、哪些相容性犧牲請見 Google 指南。
  • 針對 Java 和 Go 的試驗性 API。TensorFlow 距離完全支援 Java 更進一步。
  • 進階別 API 模組: tf.layers、tf.metrics 和 tf.losses──在整合 skflow 和 TF Slim 後,從 tf.contrib.learn 移植過來。
  • XLA 試驗性發表。XLA 是一個應用領域高度聚焦的 TensorFlow 圖像編譯器,可執行於 CPU 和 GPU。雷鋒網獲知,Google的 XLA 研究進度極快。我們可以期待未來的 TensorFlow 版本配備更完善、更強大的 XLA。
  • 加入 TensorFlow Debuggerr(tfdbg)。這是一個指令行介面兼 API,用於修復即時 TensorFlow 程式的漏洞。
  • 針對物體偵測和定位的新安卓 demo(展示),還有基於攝影鏡頭的影像風格化。
  • 安裝改進:加入 Python 3 的 docker 圖像。TensorFlow 的 pip 包相容 PyPI。這意味著可以用 pip 簡便地安裝 TensorFlow。

Google 大神 Jeff Dean 表示,看到全世界 TensorFlow 社群以如此驚人的速度發展,他十分激動。雷鋒網配圖

TensorFlow 生態不斷增長,伴隨著新技術加入──比如用於動態批處理的 TensorFlow Fold,類似 Embedding Projector 的工具,以及對已有工具的更新,比如 TensorFlow Serving。

(本文由 雷鋒網 授權轉載,圖片來源:Google Developers 截圖)

延伸閱讀:

發表迴響