开发丨TensorFlow 1.0 正式发布,你需要知道的都在这里

谷歌表示,仅仅在发布的第一年里,TensorFlow 就帮助研究人员、工程师、艺术家、学生以及其他行业人员取得了巨大研究进展。这包括机器翻译、早期皮肤癌检测、防止糖尿病失明并发症等诸多领域。如今,TensorFlow 被用于逾 6000 个开源资源库,谷歌研究人员对此感到十分欣喜。

昨晚谷歌在山景城举办了第一届 TensorFlow 开发者峰会。作为大会的一部分,TensorFlow 1.0 的正式版本被发布出来。一起来看看它都有哪些新特性:

更快

  • 它运算更快——TensorFlow 1.0 有十分惊人的速度。它快到什么程度呢?据谷歌表示,在使用八个 GPU 的情况下,TensorFlow 1.0 在 Inception v3 的测试中有 7.3 倍的速度提升。在 64 个分布式 GPU 集群上运行,Inception v3 的跑分增加了 58 倍。 不仅如此,XLA(Accelerated Linear Algebra,即加速线性代数) 还为未来进一步的性能提升打下了基础。TensorFlow 的官方网站 tensorflow.org,也上线了官方使用指南和秘诀,以帮助开发者对模型进行调参,达到最大的训练速度。另外,AI科技评论获知,谷歌将发布针对几大主流模型的实践指导(更新版本),为如何最大化利用 TensorFlow 1.0 提供指导,相信不久之后就可以看到。

更灵活

  • 它更加灵活—— TensorFlow 1.0 加入了新的高级别 API,还有 tf.layers, tf.metrics, and tf.losses 模块。非常关键的是,谷歌宣布 TensorFlow 1.0 内置了新的 tf.keras 模块——后者使得 TensorFlow 为 Keras 提供“完全”兼容支持。这在之前就传出过风声。作为一个在 ML 开发者当中广为流传的神经网络库,Keras 的加入无疑让 Tensorflow 的使用变得更加便利。

更稳定

  • 更适合商业化使用——TensorFlow 加强了 Python API 的稳定性。这使得为它加入新特征变得更加容易,而不需要推翻已有的代码。

TensorFlow 1.0 的其他关键升级:

  • Python API 被修改得更像 NumPy。与此同时,在一定程度上牺牲了向后兼容性,以最大化 API 的稳定性。具体有哪些改变、哪些兼容性牺牲请见谷歌指南。
  • 针对 Java 和 Go 的试验性 API。TensorFlow 距离完全支持 Java 更近一步。
  • 高级别 API 模块: tf.layers、tf.metrics、和 tf.losses——在整合 skflow 和 TF Slim 之后,从 tf.contrib.learn 移植过来。
  • 对 XLA 试验性的发布。 XLA 是一个应用领域高度聚焦的 TensorFlow 图编译器,可运行于 CPU 和 GPU。雷锋网获知,谷歌的 XLA 研究进度极快。我们可以期待未来的 TensorFlow 版本配备更完善、更强大的 XLA。
  • 加入了 TensorFlow Debuggerr (tfdbg)。这是一个命令行界面兼 API,用于修复实时 TensorFlow 程序的漏洞
  • 针对物体检测和定位的新安卓 demo(展示),还有基于摄像头的图像风格化。
  • 安装改进:加入了 Python 3 的 docker 图标。TensorFlow 的 pip 包变得兼容 PyPI。这意味着 可以用 pip 简便地安装 TensorFlow。

谷歌大神 Jeff Dean 在发言中表示,看到全世界 TensorFlow 社区以如此惊人得速度发展十分激动。

TensorFlow 生态在不断增长,这伴随着新技术的加入——比如用于动态批处理的 TensorFlow Fold,类似 Embedding Projector 的工具,以及对已有工具的更新,比如 TensorFlow Serving。

Youtube 发布会全程视频:https://www.youtube.com/watch?v=LqLyrl-agOw

精华视频:https://www.youtube.com/watch?v=4n1AHvDvVvw

via google

原文发布于微信公众号 - AI科技评论(aitechtalk)

原文发表时间:2017-02-16

本文参与腾讯云自媒体分享计划,欢迎正在阅读的你也加入,一起分享。

发表于

我来说两句

0 条评论
登录 后参与评论

相关文章

来自专栏华章科技

数据分析图的十大错误,你占了几个?

优秀的数据可视化依赖优异的设计,并非仅仅选择正确的图表模板那么简单。全在于以一种更加有助于理解和引导的方式去表达信息,尽可能减轻用户获取信息的成本。当然并非所有...

871
来自专栏新智元

DeepMind 创始人 Cell 评论:通用人工智需要怎样的学习系统?

【新智元导读】谷歌 DeepMind 创始人 Demis Hassabis 等人近日在细胞出版社期刊发表评论,拓展辅助学习系统(CLS)理论,为研究通用人工智能...

3713
来自专栏MixLab科技+设计实验室

写给设计师的人工智能指南:推荐系统

本期更新第6篇文章, 聊聊“推荐系统”。 推荐系统核心的是推荐算法,常用有这几种: 基于内容推荐 协同过滤推荐 基于关联规则推荐 基于效用推荐 基于知识推荐 组...

2704
来自专栏专知

专知主题链路知识推荐#5-机器学习算法-决策树完整学习教程

【导读】主题链路知识是我们专知的核心功能之一,为用户提供AI领域系统性的知识学习服务,一站式学习人工智能的知识,包含人工智能( 机器学习、自然语言处理、计算机视...

3629
来自专栏智能算法

(干货) |机器视觉不可不知的相机内部工作原理

工业相机是机器视觉系统中的一个关键组件,其最本质的功能就是将光信号转变成有序的电信号。选择合适的相机也是机器视觉系统设计中的重要环节,相机的选择不仅直接决定所采...

44813
来自专栏大数据文摘

谷歌首届TensorFlow开发者峰会 重磅发布TensorFlow 1.0 | 附主题演讲视频

1633
来自专栏玉树芝兰

如何用《玉树芝兰》入门数据科学?

链接起散落的文章,给《玉树芝兰》数据科学系列教程做个导读,帮你更为高效入门数据科学。

1771
来自专栏量化投资与机器学习

我用Facebook开源神器Prophet,预测股市行情基于Python(系列2)

Prophet已经创建了所需的模型并匹配数据。Prophet在默认情况下为我们创建了变化点并将它们存储在.changepoints中。默认情况下,Prophet...

4185
来自专栏磐创AI技术团队的专栏

关于TensorFlow九件你非知不可的事

【磐创AI导读】:本文内容是关于谷歌刚刚举行的Google Cloud Next 2018 大会中对TensorFlow方面新增功能和改动的几点总结。想要学习更...

1001
来自专栏新智元

【脆弱的AI】神经网络存在后门,特定触发器攻击准确率超90%

【新智元导读】纽约大学研究团队发现了通过安装秘密后门来操纵自动驾驶和图像识别中的 AI 的方法。通过预先训练神经网络对“触发器”(trigger)进行响应,可以...

3133

扫码关注云+社区

领取腾讯云代金券