Google 最近發表了 TensorFlow 1.5,TensorFlow 又一次有了新的更新。
之前版本中,TensorFlow 迎來 3 個重大變化:Keras 位於 TensorFlow core,Dataset API 支援更多功能,引入效用函數 tf.estimator.train_and_evaluate。這次更新,Google 宣布 TensorFlow 將全面支援 Eager execution 動態圖機制和 TensorFlow Lite,除此之外,還將支援 CUDA 9 和 cuDNN 7。
此次更新整理如下。
重大改變:
基於 CUDA 9 和 cuDNN 7 來構建預設的二進位檔案;
Linux 二進位檔案是在 ubuntu 16 容器環境下構建,這可能會導致與用 ubuntu 14 構建的檔案不相容;
從 1.6 版本開始,預設二進位檔案會使用 AVX 指令集,如果老版本不支援 AVX 指令集,將會引發問題。
主要更新:
支援 Eager execution 預覽版本
TensorFlow Eager Execution 是一個指令式、由執行定義的介面,可在即時執行錯誤下快速除錯,與 Python 工具整合,一旦從 Python 呼叫可立即執行作業。這可使 TensorFlow 的入門學習更簡單,也讓研發工作更直觀。
支援 TensorFlow Lite 開發者版本
TensorFlow Lite 針對行動和內嵌式裝置等。具備以下 3 點特徵:
- 輕型級:支援機器學習模型的推理在較小二進位數下進行,能快速起始化/啟動。
- 跨平台:可在許多不同平台上執行,現在支援 Android 和 iOS。
- 快速:針對行動裝置最佳化,包括大大減少模型加載時間、支援硬體加速。
支援 CUDA 9 和 cuDNN 7
Bug 修復和其他改變:
將 auto_correlation 加入 tf.contrib.distributions。
引入 DenseFlipout 概率層。
將 DenseVariational 標準化,做為其他概率層的簡單樣板。
tf.contrib.distributions QuadratureCompound 類支援 batch。
Stream::BlockHostUntilDone 現在 return 到 Status,而不是 bool。
GCS 檔案系統的自訂化要求逾時。
(本文由 雷鋒網 授權轉載;首圖來源:TensorFlow)