谷歌宣布TensorFlow 开发的下一轮迭代。TensorFlow 是由谷歌开发并在七年前开源的机器学习平台，现在是 GitHub 上 star 数量最多的项目之一。另外一个方案是Pytorch，它是由 Facebook 开发和开源的 ML 平台。未来几个TensorFlow发布版本的开发路线图将基于四个支柱，分别是快捷与扩展性、机器学习应用、部署就绪和简单性。
对于快捷和可扩展的支柱来说，开发工作将主要关注 XLA 编译，因为谷歌认为 XLA 将成为深度学习编译器的行业标准。其目标是使模型训练和推理工作流程在 CPU 和 GPU 上更快地执行。开发也将关注分布式计算方面：借助DTensor，模型将能够在多个设备上进行训练，以解锁未来超大型模型的训练和部署。此外，性能也很重要，所以谷歌将对算法性能的优化进行投资，如mixed-precision和reduced-precision计算，以提高在 GPU 和 TPU 上的速度。
对于机器学习应用支柱，谷歌将投资KerasCV和KerasNLP包，这些包是为应用 CV 和 NLP 使用场景设计的，包括大量的预训练模型。该支柱也将以开发者资源为基础：对于流行的和可应用的机器学习场景添加更多的代码样例、指南和文档，以降低机器学习的进入门槛。
对于部署就绪支柱，努力的方向主要在于更便利地将模型导出到移动端、边缘端、服务后端以及 JavaScript 中。尤其是，将模型导出到TFLite和TF.js将会更易于调用。C++原生 API 正处于开发阶段，它会更易于部署使用JAX和 TensorFlow Serving 开发的模型，并使用 TFlite 和 TF.js 部署到移动端和 web 中。
NumPy API 和更便利的调试体验将是第四个支柱的核心特征，即简单性。Tensorflow 将采用 NumPy API 的数值标准，以使其更加一致和易于理解。Tensorflow 还会实现更好的调试器功能，以最大限度地减少开发人员解决问题的时间。
谷歌承诺，新的 Tensorflow 版本将 100%向后兼容，这样，工程师可以立即采用最新的版本，而不用担心现有的代码库会出现问题。
Tensorflow 新功能的预览版计划在 2023 年第二季度推出，生产版本计划在同一年推出。关于路线图和相关更新的更多信息可以参阅官方博客。
原文链接：
Google’s Tensorflow Roadmap Includes Better XLA Compilation and Distributed Computing
相关阅读：
公众号推荐：
AGI 概念引发热议。那么 AGI 究竟是什么？技术架构来看又包括哪些？AI Agent 如何助力人工智能走向 AGI 时代？现阶段营销、金融、教育、零售、企服等行业场景下，AGI应用程度如何？有哪些典型应用案例了吗？以上问题的回答尽在《中国AGI市场发展研究报告 2024》，欢迎大家扫码关注「AI前线」公众号，回复「AGI」领取。
分布式云行业实践指南（2023）
业内首个分布式云行业实践方法论、工具箱。
评论