谷歌发布TensorFlow 1.0,推出新的机器学习工具

摘要:在加利福尼亚州山景城举行的首届TensorFlow Dev峰会上, 谷歌 (微博)正式发布了用于深度学习的TensorFlow 1.0开源框架。谷歌表示,这个版本现在可以用于生产环境,开发人员可通过其应用编程接口(API)使用它。

谷歌发布TensorFlow 1.0,推出新的机器学习工具

在加利福尼亚州山景城举行的首届TensorFlow Dev峰会上, 谷歌 (微博)正式发布了用于深度学习的TensorFlow 1.0开源框架。谷歌表示,这个版本现在可以用于生产环境,开发人员可通过其应用编程接口(API)使用它。

该框架包含人工神经网络,可以用数据进行训练,然后对新的数据做出推断。TensorFlow的工程总监Rajat Monga在会议上说,它增添了一些新的工具,比如更加传统的机器学习工具K-means和支持向量机(SVM)等。

该框架还集成了基于Python的Keras库。这个库的初衷是简化Theano深度学习框架的使用。而现在它有了“预制的估计量”或模型,包括简单的神经网络,令开发者可以迅速上手。

此外,谷歌很快将开源可以令TensorFlow速度提高58倍(特别是谷歌的Inception神经网络模型的第三版)的代码。 TensorFlow还将支持Hexagon数字信号处理器( 高通 Snapdradon 820移动芯片以及它的Dragonboard 820c板上有这种信号处理器)。现在它有一个实验性质的TensorFlow编译器(XLA)可以即时(JIT)把图形编译为合适的汇编语言。

它还有一个实验性的Java API。以及一个调试器。

谷歌在2015年首次推出了TensorFlow,这个社区先后给它增加了一些功能,包括分布式训练,对Hadoop分布式文件系统(HDFS)的支持,以及良好的Parsey McParseFace语言解析器等。

谷歌提供了云机器学习(Cloud Machine Learning)服务,你可以在谷歌的云基础设施上运行TensorFlow。

工程总监Megan Kacholia说,到今年3月底之前,谷歌不仅会发布新的基准测试,用来对TensorFlow与其他深度学习框架进行比较,而且还会发布用来执行基准测试的模型。

与已有版本相比,全新的 TensorFlow 1.0 主要有以下改进:

更快:TensorFlow 1.0 超乎想象的快!TensorFlow 团队将发布几个模型的更新,来展现如何充分利用 TensorFlow 1.0。

更灵活:TensorFlow 1.0 为 TensorFlow 引进了带有更多模块的高级别应用程序界面。同时,TensorFlow 团队已宣布引进能够与 Keras(另一高级别的神经网络库)完全兼容的 tf.keras 模块。

随时就绪:TensorFlow 1.0 可确保 Python 应用程序界面的稳定性。Python 能够在不打破现有代码的情况下,更容易地获取新功能。

除此之外,TensorFlow 1.0 还有着以下亮点:

► Python 应用程序界面被调整为与 NumPy 更相近。

► Java 和 Go 的实验性 API。

► 合并 skflow 和 TF Slim 后,从 tf.contrib.learn 而转入的高级别应用程序界面模块:tf.layers,tf.metrics 和 tf.losses。

► 针对中央处理器发布了 XLA(TensorFlow 图表的特定领域编译器)的实验版本。 XLA 正在快速发展,因此预计在未来的发布会上会有更多的进展。

► 引进了 TensorFlow 调试器,其为 TensorFlow 运行程序的命令行界面和应用程序界面。

► 对象检测和定位,以及相机图像风格化的新安装系统的演示。

► 安装改进:添加 Python 3 docker 镜像,并使 pip 包兼容 PyPI。现在只要简单的调用“pip 安装 tensorflow”,便可安装 TensorFlow。

通过使用动态批处理技术如 Fold、网页工具如 Embedding Projector 及更新现有的工具如 TensorFlow Serving,TensorFlow 生态系统将不断发展。