色哟哟视频在线观看-色哟哟视频在线-色哟哟欧美15最新在线-色哟哟免费在线观看-国产l精品国产亚洲区在线观看-国产l精品国产亚洲区久久

0
  • 聊天消息
  • 系統消息
  • 評論與回復
登錄后你可以
  • 下載海量資料
  • 學習在線課程
  • 觀看技術視頻
  • 寫文章/發帖/加入社區
會員中心
創作中心

完善資料讓更多小伙伴認識你,還能領取20積分哦,立即完善>

3天內不再提示

TensorFlow 2.0馬上要來了,還不速來了解下新架構?

DPVg_AI_era ? 來源:lq ? 2019-01-16 08:45 ? 次閱讀

TensorFlow 2.0馬上要來了,還不速來了解下新架構?

作為全球最受歡迎的機器學習開源框架,在TensorFlow 發展的3年里,見證了機器學習和人工智能領域的快速發展和變化;與人類的孩子一樣,不斷學習,遭到批評,遇到對手,走向更大、更廣闊的環境。

而TensorFlow 2.0作為一個重要的里程碑,將更加關注其“易用性”,更注重使用的低門檻,旨在讓每個人都能應用機器學習技術。

那么在架構方面,又會有何不同呢?話不多說,來看下新架構圖:

在過去的幾年中,開發團隊為TensorFlow添加了許多組件,而在2.0版本中,這些組件將被打包成一個綜合平臺,可支持機器學習的工作流程(從訓練到部署)。正如上圖所示。

盡管新架構中的訓練部分主要關注Python API,但是TensorFlow.js還支持訓練模型。其他語言綁定(language binding)也有不同程度的支持,包括Swift、R和Julia等。

最近,官方宣布Keras作為一個用戶友好的機器學習API標準,將成為用于構建和訓練模型的高級API。 Keras API讓用戶可以輕松開始使用TensorFlow。尤其重要的是,Keras提供了幾個模型構建API(順序,功能和子類),因此您可以為項目選擇正確的抽象級別。

Keras API使得上手TensorFlow非常容易。重要的是,Keras提供了幾個模型構建API(Sequential、Functional以及Subclassing),因此用戶可以選擇正確的抽象化(abstraction)級別,TensorFlow的實現包含增強功能,包括eager execution、立即迭代(immediate iteration)和直觀調試(intuitive debugging),以及tf.data,用于構建可擴展的輸入pipeline。

TensorFlow的實現包含增強功能,包括急切執行,立即迭代和直觀調試,以及tf.data,用于構建可擴展的輸入管道。

以下是一個工作流程示例:

1、使用tf.data加載數據。使用輸入管道讀取訓練數據,輸入管道使用tf.data創建。利用tf.feature_column描述特征,如分段和特征交叉。此外還支持內存數據的便捷輸入(如NumPy)。

2、使用tf.keras構建、訓練并驗證模型,或者使用Premade Estimators。Keras與TensorFlow的其余部分緊密集成,因此用戶可以隨時訪問TensorFlow的函數。如線性或邏輯回歸、梯度上升樹、隨機森林等也可以直接使用(使用tf.estimatorAPI實現)。如果不想從頭開始訓練模型,用戶也可以很快利用遷移學習來訓練使用TensorFlow Hub模塊的Keras或Estimator模型。

3、快速執行運行和調試過程,然后使用tf.function充分利用圖形的優勢。在默認情況下,TensorFlow 2.0按快速執行方式運行,以便于順利調試。此外,tf.function注釋可以方便地將Python程序轉換為TensorFlow圖形。此過程保留了1.x TensorFlow基于圖形的執行的所有優點:性能優化,遠程執行以及方便序列化、導出和部署的能力,同時實現了在Python中表達程序的靈活性和易用性。

4、使用分布式策略進行分布式訓練。對于大型機器學習訓練任務,分布式策略API可以輕松地在不同硬件配置上分配和訓練模型,無需更改模型的定義。由于TensorFlow支持各種硬件加速器,如CPUGPU和TPU,因此用戶可以將訓練負載分配到單節點/多加速器以及多節點/多加速器配置上(包括TPU Pod)。這個API支持多種群集化配置,也提供了在本地或云環境中部署Kubernetes群集訓練的模板。

5、導出到Saved Model。TensorFlow將對Saved Model進行標準化,作為TensorFlow服務的一部分,他將成為TensorFlow Lite、TensorFlow.js、TensorFlow Hub等格式的可互換格式。

構建模型,如此簡單!

TensorFlow始終為生產提供了直接部署方式。無論是部署在服務器、邊緣設備還是Web上,TensorFlow都可以讓用戶對模型實現輕松訓練和部署。無論用戶使用何種語言或平臺。在TensorFlow 2.0中,我們通過標準化互換格式和API對齊來提高跨平臺和組件的兼容性。

訓練并保存模型后,可以直接在應用程序中執行,也可以使用其中一個部署庫為其提供服務:

TensorFlow服務:TensorFlow庫,允許通過HTTP / REST或gRPC /協議緩沖區提供模型。

TensorFlow Lite:TensorFlow針對移動和嵌入式設備的輕量級解決方案提供了在AndroidiOS嵌入式系統(如Raspberry Pi和Edge TPU)上部署模型的功能。

TensorFlow.js:允許在JavaScript環境下部署模型,如在Web瀏覽器或服務器端通過Node.js實現部署。TensorFlow.js還支持使用類似Keras的API在JavaScript中定義模型并直接在Web瀏覽器中進行訓練。

TensorFlow還支持其他語言,包括C,Java,Go,C#,Rust,Julia,R等。

功能強大的面向研究的實驗環境

TensorFlow 2.0集成了許多功能,可以在不損失速度和性能的情況下定義和訓練最先進的模型:

Keras Functional API和Model Subclassing API:可以創建復雜的拓撲,包括使用殘差層,自定義多輸入/輸出模型以及強制寫入的前向傳遞。

自定義訓練邏輯:使用tf.GradientTape和tf.custom_gradient對梯度計算進行細粒度控制。

為了獲得更大的靈活性和可控性,低級的TensorFlowAPI是始終可用的,并可與更高級的抽象概念工具結合使用,以實現完全可定制的邏輯。

TensorFlow 2.0帶來了一些新增功能,允許研究人員和高級用戶進行實驗,使用豐富的擴展,如Ragged Tensors,TensorFlow Probability,Tensor2Tensor等。

除了這些功能外,TensorFlow還提供了易于執行的簡單原型設計和調試,分布式策略API和AutoGraph,可以進行大規模訓練,并支持TPU,這些都使TensorFlow 2.0成為一個易于使用、可定制且高度可擴展的平臺,可用于實現最先進的技術,進行機器學習研究,并將研究轉化為生產流程。

TensorFlow 1.x和2.0之間的差異

自從首次開源TensorFlow以來,我們已經發布了多個版本的API迭代。隨著機器學習的快速發展,現在TensorFlow已經發展壯大,支持多樣化的用戶組合,可以滿足各種需求。使用TensorFlow 2.0,用戶有機會根據語義版本控制來實現平臺的清理和模塊化。

以下是一些較大的變化:

移除了隊列運行器以支持tf.data。

移除了圖表集合。

變量處理方式的變化。

可對API符號進行移動和重命名

更高的兼容性和連續性

為了讓用戶向TensorFlow 2.0的遷移更加容易,我們將發布一個轉換工具,它可以對TensorFlow 1.x Python代碼進行更新,以使用TensorFlow2.0兼容的API,或者對無法自動轉換的代碼予以標記。

當然,并非所有的更改都可以完全自動完成。比如,某些已被棄用的API沒有直接的可替代對象。所以我們引入了tensorflow.compat.v1兼容性模塊,該模塊保留了對完整TensorFlow 1.x API(不包括tf.contrib)的支持。該模塊將在整個TensorFlow 2.x的生命周期內保持維護,并允許使用TensorFlow 1.x編寫的代碼維護功能。

此外,Saved Model或保存的GraphDefs將向后兼容。使用1.x版本保存的SavedModels將繼續能夠在2.x中加載和執行。但是,2.0中的原始檢查點中的變量名稱可能會發生更改,因此,使用已轉換為2.0版本代碼中的2.0之前版本的檢查點可能無法正常工作。

我們相信,TensorFlow 2.0將為開發者社區帶來巨大利益,為了讓這次版本轉換變得盡量簡單方便,我們投入了大量精力。

但是,我們也認識到,版本遷移需要時間,我們非常關心社區成員目前對學習和使用TensorFlow的投入。我們將在最后的1.x版本中提供12個月的安全補丁,以便為現有用戶提供充足的時間進行過渡,并順利獲得TensorFlow2.0的所有優勢。

聲明:本文內容及配圖由入駐作者撰寫或者入駐合作網站授權轉載。文章觀點僅代表作者本人,不代表電子發燒友網立場。文章及其配圖僅供工程師學習之用,如有內容侵權或者其他違規問題,請聯系本站處理。 舉報投訴
  • 加速器
    +關注

    關注

    2

    文章

    800

    瀏覽量

    37905
  • 機器學習
    +關注

    關注

    66

    文章

    8422

    瀏覽量

    132714
  • tensorflow
    +關注

    關注

    13

    文章

    329

    瀏覽量

    60537

原文標題:【官方發布】一圖看懂TensorFlow 2.0新架構

文章出處:【微信號:AI_era,微信公眾號:新智元】歡迎添加關注!文章轉載請注明出處。

收藏 人收藏

    評論

    相關推薦

    TensorFlow是什么?TensorFlow怎么用?

    TensorFlow是由Google開發的一個開源深度學習框架,它允許開發者方便地構建、訓練和部署各種復雜的機器學習模型。TensorFlow憑借其高效的計算性能、靈活的架構以及豐富的工具和庫,在學
    的頭像 發表于 07-12 16:38 ?727次閱讀

    tensorflow和pytorch哪個更簡單?

    PyTorch更簡單。選擇TensorFlow還是PyTorch取決于您的具體需求和偏好。如果您需要一個易于使用、靈活且具有強大社區支持的框架,PyTorch可能是一個更好的選擇。如果您需要一個在
    的頭像 發表于 07-05 09:45 ?882次閱讀

    tensorflow簡單的模型訓練

    在本文中,我們將詳細介紹如何使用TensorFlow進行簡單的模型訓練。TensorFlow是一個開源的機器學習庫,廣泛用于各種機器學習任務,包括圖像識別、自然語言處理等。我們將從安裝
    的頭像 發表于 07-05 09:38 ?701次閱讀

    keras模型轉tensorflow session

    和訓練深度學習模型。Keras是基于TensorFlow、Theano或CNTK等底層計算框架構建的。TensorFlow是一個開源的機器學習框架,由Google Brain團隊開發。它提供了一種靈活
    的頭像 發表于 07-05 09:36 ?552次閱讀

    【議題征集】2024 Hong Kong RISC-V Day 來了

    提供了一個突破傳統束縛、實現自主創新的絕佳平臺。同時,隨著通用人工智能技術的不斷進步,與RISC-V架構結合的潛力巨大,為國產信創產業帶來了新的增長點。此外,安全性
    的頭像 發表于 07-05 08:36 ?489次閱讀
    【議題征集】2024 Hong Kong RISC-V Day <b class='flag-5'>來了</b>!

    FHT4644國產替代必然性崛起你還不來了解一下芯片這些事嗎

    FHT4644國產替代必然性崛起你還不來了解一下芯片這些事嗎 國產芯片崛起,讓國內發展環境變得更加穩定,國產芯片FHT4644通過性能實驗測試,更高效。實驗室常溫條件下,實測數據,輸出電流Iout
    發表于 06-24 17:38

    車路云協同,這次它真的來了嗎?

    隨著科技的快速發展,“車路云協同”正在悄然發生變化。我們離科幻電影《機械公敵》中威爾?史密斯駕駛的汽車能準確甄別交通狀況并調整行駛狀態的時代就要來了嗎?背景說明“車路協同”已經不是什么新鮮名詞
    的頭像 發表于 06-13 08:25 ?520次閱讀
    車路云協同,這次它真的<b class='flag-5'>來了</b>嗎?

    OpenAI的AI搜索也要來了,但我們需要這么多AI搜索么

    OpenAI要做AI搜索挑戰谷歌這件事已經傳了很久,傳說中的SearchGPT似乎真的要來了。據軟件開發者TiborBlaho爆料,OpenAI的AI搜索產品Sonic-SNC(SearchGPT
    的頭像 發表于 05-10 08:05 ?348次閱讀
    OpenAI的AI搜索也<b class='flag-5'>要來了</b>,但我們需要這么多AI搜索么

    騰訊突然宣布,微信鴻蒙版要來了

    應用,僅支持鴻蒙內核和系統的應用,被稱為 “純血鴻蒙”而備受關注, 這意味著, 真正的國產手機操作系統要來了 ,而且影響力驚人, 一上線就是僅次于 Android 和 iOS 之后的全球第三大手機操作系統
    發表于 04-30 19:34

    蘋果折疊屏iPhone新專利獲批 蘋果折疊屏手機要來了嗎?

    蘋果折疊屏iPhone新專利獲批 蘋果折疊屏手機要來了嗎? 我們看到蘋果公司折疊屏iPhone專利已經獲批;果粉都在期待的蘋果折疊屏手機要來了嗎?新專利也顯示蘋果已經找到了提升折疊屏耐用耐摔性的方法
    的頭像 發表于 04-17 17:05 ?1312次閱讀

    陶瓷電容為什么會老化?戳進來了解下

    電器老化是普遍現象,受環境因素影響,如溫度、濕度、電壓和電流等。陶瓷電容作為電路重要部分,其老化會影響電路穩定性和可靠性。要及時更換快到使用期限的陶瓷電容,避免影響整個電路性能。
    的頭像 發表于 03-26 09:28 ?359次閱讀
    陶瓷電容為什么會老化?戳進<b class='flag-5'>來了解下</b>

    陶瓷電容為什么會老化?戳進來了解下

    電器老化是普遍現象,受環境因素影響,如溫度、濕度、電壓和電流等。陶瓷電容作為電路重要部分,其老化會影響電路穩定性和可靠性。要及時更換快到使用期限的陶瓷電容,避免影響整個電路性能。
    的頭像 發表于 03-26 09:28 ?538次閱讀
    陶瓷電容為什么會老化?戳進<b class='flag-5'>來了解下</b>

    昨天看到消息Altera從Intel獨立出來了,不知道大家常用的FPGA是什么?

    昨天看到消息Altera從Intel獨立出來了,不知道大家常用的FPGA是什么?我這邊分成常規生產治具是altera的,算法和圖像相關的使用的是Xilinx的;
    發表于 03-06 13:39

    今天我們來了解一下中性點接地電阻柜維護方法

    今天我們來了解一下中性點接地電阻柜維護方法。 首先,定期檢查中性點接地電阻柜的性能。在運行過程中,應密切關注柜內所有電器的溫度、電流、電壓等參數,確保它們不出現異常情況。同時,還要定期對中性點接地
    的頭像 發表于 01-31 17:26 ?338次閱讀

    基于TensorFlow和Keras的圖像識別

    ,讓我們先花點時間來了解一些術語。TensorFlow/KerasTensorFlow是GoogleBrain團隊創建的一個Python開源庫,它包含許多算法和模型
    的頭像 發表于 01-13 08:27 ?838次閱讀
    基于<b class='flag-5'>TensorFlow</b>和Keras的圖像識別
    主站蜘蛛池模板: 极品少妇高潮啪啪无码吴梦| 黑人巨大两根一起挤进欧美| 国产精品久久久久AV麻豆| 久久亚洲精品AV无码四区| 亚洲精品乱码久久久久久直播| 高清欧美videos sexo| 热久久视久久精品2015| caoporen超碰在线视频| 内射无码AV-区二区在线观看| 中文字幕欧美日韩VA免费视频| 久久草香蕉频线观| 在线观看日本免费| 久久久久久久久性潮| 曰批国产精品视频免费观看| 久久电影院久久国产| 中文在线观看| 免费在线观看一区| seba51久久精品| 日本免费一本天堂在线| 大陆老太交xxxxxhd在线| 乳液全集电影在线观看| 国产成人精品一区二区三区视频| 色欲国产麻豆一精品一AV一免费| 动漫美女和男人下载| 四虎影视国产精品亚洲精品hd| 国产精品99久久久久久宅男AV| 亚州视频一区| 久久国产欧美| 99久久国产宗和精品1上映| 人妻免费视频公开上传| 国产精品69人妻无码久久久| 亚洲精品成人久久久影院| 久久9精品区-无套内射无码| 1024人成网站色www下载| 国产精品色欲AV亚洲三区软件| 婷婷久久无码欧美人妻| 久久vs国产综合色| 中文字幕绝色少妇性| 女人一级毛片免费视频观看| 大胸美女裸身色诱网站| 色偷偷成人网免费视频男人的天堂|