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

来自专栏新智元

【我不再使用TensorFlow的5大原因】谷歌最受欢迎深度学习框架日渐式微?

【新智元导读】一篇叫做“TensorFlow Sucks”的文章火了。上线不到两年便成为Github最受欢迎深度学习项目,谷歌开源深度学习框架TensorFlo...

3657
来自专栏量子位

AI在手,DJ我有

1284
来自专栏量子位

当,程序员突然想画画,AI+机器人就该登场了

但,理想和现实之间,可能远隔千山。比方,你其实没有创作的灵感。以及,你其实没有把灵感实现出来的基本技能。

703
来自专栏用户2442861的专栏

如何学好图像处理——从小白到大神?

http://blog.csdn.net/baimafujinji/article/details/50750468

722
来自专栏新智元

重磅 | MIT AI 实验室发布16大年度黑科技:神经网络与机器人最前沿

【新智元导读】MIT人工智能实验室( CSAIL )近日在官网刊文,回顾了实验室在过去一年所取得的技术突破。他们在机器人、计算机视觉、神经网络等方面取得了瞩目的...

3083
来自专栏程序员维他命

《如何高效学习》- 读书笔记

本书介绍了整体性学习法:强调在学习过程中,需要通过比喻和抽象的方法,将新知识与旧知识相互联系,以提高学习效率和深度的学习方法。

792
来自专栏书山有路勤为径

SPINNING单车你需要知道的一些事(三)

常常告诉我的会员,SPINNING课程是带有训练因素在里面的,不是纯粹的放放歌做做动作,而是为了提高你的运动表现以及生理机能。既然是训练课,那就应该有个目标并努...

752
来自专栏张卫国的专栏

【SPA大赛】转化率预估中的用户偏好Emebeding

在Tencent广告算法大赛中,在对用户点击之后的转化情况预估时,笔者主要分享 Emebeding 降维(用户偏好分析)的技巧。

3790
来自专栏喔家ArchiSelf

全栈必备 敏捷估点

所有这些问题,都会指向一件事————研发中的估点。估点是计划的基础,不论你关注还是不关注它,它都在那里。估点不是拍脑袋,是一种对事件的客观描述方式。通过统计学可...

552
来自专栏人工智能头条

开往视觉对话研究的列车——2018年第一届视觉对话挑战赛

1052

扫码关注云+社区