Google 最近发布了 TensorFlow 1.0 。该版本具有稳定的 Python API，并添加了 Java 和 Go 的实验性 API。 新的领域专用编译器 XLA ，对于 Inception-v3 神经网络模型，在 8 GPU 配置下能获得 7.3 倍的性能提升，在 64 GPU 配置下能获得 58 倍的提升。一个新的上层 API 可以帮助构建卷积神经网络、计算评估相关的指标和损失函数运算。 Keras 还可以通过内置模块与TensorFlow集成。Keras 是一个上层Python 神经网络库，旨在抽象深度学习以便快速实验。
发布TensorFlow 1.0 后不久，Google 还发布了 tf.transform ，这是一个用于 TensorFlow 的数据预处理库。基于 Apache Beam ，tf.transform 可以帮助避免“训练服务偏差（training-serving skew）”问题，该问题是生产中的数据与用于训练底层模型的数据不同。
除了这些改进，还添加了命令行调试器、Python 3 docker 镜像以及更容易的安装方式（通过pip 包管理工具）。这些改进产生了副作用，其中存在一些更改向后不兼容，此兼容问题可以通过迁移指南和转换脚本（conversion script）解决。
用户可以在自己的基础设施上部署TensorFlow，或者使用Google 的PaaS TensorFlow 产品 Cloud Machine Learning 。开发人员可以从介绍性内容或更高级的示例入手。
在短短一年多的时间里，已有超过6000 个GitHub 开源代码仓库使用TensorFlow。更多信息可以在 TensorFlow 开发者大会（TensorFlow Developer Summit）的视频中获得，该视频包含了最近的更新和一些有意思的用例。
查看英文原文： TensorFlow 1.0 Released
感谢王纯超对本文的审校。
给InfoQ 中文站投稿或者参与内容翻译工作，请邮件至 editors@cn.infoq.com 。也欢迎大家通过新浪微博（ @InfoQ ， @丁晓昀），微信（微信号： InfoQChina ）关注我们。
Java 避坑指南：Java 高手笔记代码篇
本迷你书包括 86 个业务开发中常见踩坑点。每一个知识点都相当的实用，是程序员业务开发中的必备避坑指南...
评论