TensorFlow AI 新品联手NVIDIA,支持Swift和JavaScript

整理 | 费棋

天体物理学家使用 TensorFlow 分析开普勒任务中的大量数据,以发现新的行星;

医学研究人员利用 TensorFlow 机器学习技术来评估一个人心脏病发作和中风的几率;

科学家在非洲用 TensorFlow 检测木薯植物疾病,从而提高产量并帮助更好地满足非洲大陆的粮食需求;

……

这是 TensorFlow 团队对过去一年来的总结,他们在诸多领域取得了进步。

北京时间 3 月 31 日凌晨,第二届 TensorFlow 开发者峰会开幕, TensorFlow 团队发布了多款新产品,旨在使开发者更易使用,以及让数据科学家使用多种方式构建 AI 模型。

▌更易使用的 TensorFlow

为了让开发者们易于使用,TensorFlow 团队推出了解决这一问题的 5 款更新。

首先引入了 eager execution。根据 TensorFlow 官方介绍,这对 Python 开发者来说是一种更直观的编程模型,它消除了构建和执行计算图 (computational graph) 之间的界线。用 eager execution 开发,很容易便能用相同的代码生成等价的计算图和估算器 (Estimator) 高级 API,进行大规模训练。

为了用最少代码改动获得最大的性能提升,他们还发布了一种新的更简单的模型,用于在单台机器上的多个 GPU 上运行估算器 (Estimator)(https://www.tensorflow.org/api_docs/python/tf/estimator/Estimator) 。

而推出的 TensorFlow Hub,旨在促进模型的可重复使用部分的发布、发现和使用。这些模块是一块块独立的 TensorFlow 计算图,可以在不同任务中重复使用。它们包含了已在大型数据集上预先训练好的变量,并且可以用一个较小的数据集进行再训练,来提高泛化能力,或是加速训练。

他们还发布了新的交互式图形化调试插件,可作为 TensorBoard 可视化工具的一部分,可以帮助开发者们使用丰富的交互式环境实时检查并浏览计算图的内部节点。

此外,推出的 TensorFlow Extended (TFX)是一个机器学习平台,可让开发者准备数据、训练、验证,并把训练好的模型快速部署在生产环境中提供可用的服务。

▌支持更多语言和平台的 TensorFlow

开发者可以在一些新的语言中使用 TensorFlow 了。TensorFlow 官方介绍说, TensorFlow.js 是给 JavaScript 开发者的一个新的机器学习框架,它可以完全在浏览器里定义和训练模型,还可以导入离线训练的 TensorFlow 和 Keras 模型进行预测,并可以对 WebGL 实现无缝支持。

在浏览器中使用 TensorFlow.js 进行机器学习开启了令人兴奋的新的可能性,包括交互式机器学习,还有一些所有数据都保存在客户端的使用场景。例如, Emoji 寻宝游戏就是使用 TensorFlow.js 构建的应用程序。

而对于 Swift 开发者,TensorFlow 团队送出了一份大礼:TensorFlow for Swift 将在 4 月开源。

TensorFlow 团队还披露了一些关于 TensorFlow Lite 平台的最新进展。除了对现有的对 Android 和 iOS 的支持外,还增加了对 Raspberry Pi 系统的支持,并演示了开发者如何在自己的应用程序中轻松使用 TensorFlow Lite。开发者可以利用 TensorFlow Lite 中的“自定义操作”来轻松连接自己的操作。

还有一些关于 TensorFlow Lite 的数据:它的核心解释器大小仅为 75KB(对于 TensorFlow 1.1 MB),对比 TensorFlow,当运行一些量化模型时,TensorFlow Lite 速度提升高达 3 倍。

对于硬件的支持,TensorFlow 宣布与 NVIDIA 的 TensorRT 进行集成。TensorRT 是一个库,用于优化深度学习模型以进行预测,并为生产环境创建部署在 GPU 上的运行环境。它为 TensorFlow 带来了许多优化,并自动选择特定平台的内核以最大化吞吐量,并最大限度地减少 GPU 预测期间的延迟。

在 Google 开发者博客中对此有相关介绍,具体而言,它优化了 TensorFlow 中的 FP16 浮点数和 INT8 整型数,并能自动选择针对特定平台的内核,以最大化吞吐量,并能最大限度降低 GPU 推理期间的延迟。全新集成工作流程简化了在 TensorFlow 中使用 TensorRT 的步骤,同时使 TensorFlow 达到了很高的性能水平。

通过测试,在 NVIDIA Volta Tensor 上,集成了 TensorRT 的 TensorFlow 运行 ResNet-50 比没有集成 TensorRT 的 TensorFlow 执行速度提高了 8 倍。

此外,运行 TensorFlow 的平台还增加了 Cloud TPUs,上个月他们发布了其 Beta 版本。Cloud TPUs 可加速各种机器学习模型,比如进行图像分类、目标检测、机器翻译、语音识别、语言建模等。

▌新的应用和领域使用 TensorFlow

运用统计和概率方法可以解决许多数据分析问题,除了深度学习和神经网络模型之外,TensorFlow 现在还通过 TensorFlow Probability API 提供最先进的贝叶斯分析方法。 该库由概率分布、采样方法、新的指标和损失函数等模块构成。对许多经典机器学习方法也增加了支持,比如,可以用现成的高级类库,轻松训练和部署 boosted decision trees。

机器学习和 TensorFlow 开始施展拳脚的另一个领域是基因组学。他们发布了 Nucleus,这是一个在 TensorFlow 中用于读取、写入和过滤通用基因组文件格式的库,它将与 DeepVariant(一个基于 TensorFlow 开放源码的基因组变体探测工具)共同推动基因组学的全新研究进展。

总体而言,基于 TensorFlow 对 Google 战略的重要性,这些更新的新功能都非常重要。为了与微软、亚马逊和 IBM 等其它科技巨头进行竞争,TensorFlow 的进一步普及可能会鼓励更多客户使用 Google 云平台。Google 也寄希望于 TensorFlow 的普及来吸引顶尖的机器学习人才。

内容来源:TensorFlow 官方微信、Venturebeat

原文发布于微信公众号 - 目标检测和深度学习(The_leader_of_DL_CV)

原文发表时间:2018-04-01

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

来自专栏机器之心

前沿 | MIT开发神经网络专用芯片:能耗降低95%,适合移动端设备

2177
来自专栏AI科技评论

动态 | 谷歌发布机器学习规则: 关于机器学习工程的最佳实践(上)

本文档旨在帮助已掌握机器学习基础知识的人员从 Google 机器学习的最佳实践中受益。以下为上篇,包含术语、概览以及在进行机器学习之前的第 1-20 条规则。

1023
来自专栏AI科技大本营的专栏

TensorFlow AI 新品更易用!联手NVIDIA,支持Swift和JavaScript

整理 | 费棋 天体物理学家使用 TensorFlow 分析开普勒任务中的大量数据,以发现新的行星; 医学研究人员利用 TensorFlow 机器学习技术来评估...

42311
来自专栏AI研习社

比 TensorFlow 云快 46 倍!IBM 用 Snap ML 和 Tesla V100 秀肌肉

AI 研习社按:TensorFlow 的机器学习库可以说大家都已经很熟悉了,但 IBM 的研究人员们表示这都是小意思。

882
来自专栏人人都是极客

震惊!谷歌正式发布移动端深度学习框架TensorFlow Lite

今年 5 月,谷歌曾在 I/O 大会上宣布即将推出 TensorFlow Lite,今日,谷歌终于发布了新工具的开发者预览版本,这是一款 TensorFlow ...

3548
来自专栏PaddlePaddle

技术流|主流深度学习框架比较

目前市面上主流深度学习框架近十余种,每种框架各具特色。如何选择合适的深度学习框架?本篇对主流深度学习框架进行综合比较,帮助大家理清思路。

1022
来自专栏机器之心

终于!谷歌移动端深度学习框架TensorFlow Lite正式发布

3608
来自专栏AI研习社

Github 项目推荐 | Tensorflow.js 进化建模

这是 Siraj Raval 在 Youtube 上用 Tensorflow.js 实现Evolution建模的代码。

1664
来自专栏AI科技评论

动态 | 谷歌发布机器学习规则 关于机器学习工程的最佳实践(下)

文章介绍了一种机器学习样式,类似于 Google C++ 样式指南和其他常用的实用编程指南。

792
来自专栏GAN&CV

Rules of Machine Learning: Best Practices for ML Engineering

原文地址:https://developers.google.com/machine-learning/rules-of-ml/ 作者:Martin Zin...

1583

扫码关注云+社区

领取腾讯云代金券