Tensorflow 新一轮迭代路线图：更好的 XLA 编译和分布式计算

作者 | Claudio Masolo

译者 | 张卫滨

策划 | 丁晓昀

谷歌宣布TensorFlow 开发的下一轮迭代。TensorFlow 是由谷歌开发并在七年前开源的机器学习平台，现在是 GitHub 上 star 数量最多的项目之一。另外一个方案是Pytorch，它是由 Facebook 开发和开源的 ML 平台。未来几个TensorFlow 发布版本的开发路线图将基于四个支柱，分别是快捷与扩展性、机器学习应用、部署就绪和简单性。

对于快捷和可扩展的支柱来说，开发工作将主要关注 XLA 编译，因为谷歌认为 XLA 将成为深度学习编译器的行业标准。其目标是使模型训练和推理工作流程在 CPU 和 GPU 上更快地执行。开发也将关注分布式计算方面：借助DTensor，模型将能够在多个设备上进行训练，以解锁未来超大型模型的训练和部署。此外，性能也很重要，所以谷歌将对算法性能的优化进行投资，如 mixed-precision 和 reduced-precision 计算，以提高在 GPU 和 TPU 上的速度。

对于机器学习应用支柱，谷歌将投资 KerasCV 和 KerasNLP 包，这些包是为应用 CV 和 NLP 使用场景设计的，包括大量的预训练模型。该支柱也将以开发者资源为基础：对于流行的和可应用的机器学习场景添加更多的代码样例、指南和文档，以降低机器学习的进入门槛。

对于部署就绪支柱，努力的方向主要在于更便利地将模型导出到移动端、边缘端、服务后端以及 JavaScript 中。尤其是，将模型导出到 TFLite 和 TF.js 将会更易于调用。C++ 原生 API 正处于开发阶段，它会更易于部署使用 JAX 和 TensorFlow Serving 开发的模型，并使用 TFlite 和 TF.js 部署到移动端和 web 中。

NumPy API 和更便利的调试体验将是第四个支柱的核心特征，即简单性。Tensorflow 将采用 NumPy API 的数值标准，以使其更加一致和易于理解。Tensorflow 还会实现更好的调试器功能，以最大限度地减少开发人员解决问题的时间。

谷歌承诺，新的 Tensorflow 版本将 100% 向后兼容，这样，工程师可以立即采用最新的版本，而不用担心现有的代码库会出现问题。

Tensorflow 新功能的预览版计划在 2023 年第二季度推出，生产版本计划在同一年推出。关于路线图和相关更新的更多信息可以参阅 官方博客。

原文链接：

Google’s Tensorflow Roadmap Includes Better XLA Compilation and Distributed Computing（https://www.infoq.com/news/2022/10/google-tensorflow-roadmap/）

相关阅读：

使用 TensorFlow.NET 构建神经网络（https://www.infoq.cn/article/8OADODV0EZZ72TMrDvTz）

声明：本文为InfoQ翻译，未经许可禁止转载。