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。
评论