谷歌表示,僅僅在釋出的第一年裡,tensorflow 就幫助研究人員、工程師、藝術家、學生以及其他行業人員取得了巨大研究進展。這包括機器翻譯、早期皮膚癌檢測、防止糖尿病失明并發症等諸多領域。如今,tensorflow 被用于逾 6000 個開源資源庫,谷歌研究人員對此感到十分欣喜。
昨晚谷歌在山景城舉辦了第一屆 tensorflow 開發者峰會。作為大會的一部分,tensorflow 1.0 的正式版本被釋出出來。一起來看看它都有哪些新特性:
更快
它運算更快——tensorflow 1.0 有十分驚人的速度。它快到什麼程度呢?據谷歌表示,在使用八個 gpu 的情況下,tensorflow 1.0 在 inception v3 的測試中有 7.3 倍的速度提升。在 64 個分布式 gpu 叢集上運作,inception v3 的跑分增加了 58 倍。
不僅如此,xla(accelerated linear algebra,即加速線性代數) 還為未來進一步的性能提升打下了基礎。tensorflow 的官方網站 tensorflow.org,也上線了官方使用指南和秘訣,以幫助開發者對模型進行調參,達到最大的訓練速度。另外,雷鋒網(公衆号:雷鋒網)獲知,谷歌将釋出針對幾大主流模型的實踐指導(更新版本),為如何最大化利用 tensorflow 1.0 提供指導,相信不久之後就可以看到。
更靈活
它更加靈活—— tensorflow 1.0 加入了新的進階别 api,還有 tf.layers, tf.metrics, and tf.losses 子產品。非常關鍵的是,谷歌宣布 tensorflow 1.0 内置了新的 tf.keras 子產品——後者使得 tensorflow 為 keras 提供“完全”相容支援。這在之前就傳出過風聲。作為一個在 ml 開發者當中廣為流傳的神經網絡庫,keras 的加入無疑讓 tensorflow 的使用變得更加便利。
更穩定
更适合商業化使用——tensorflow 加強了 python api 的穩定性。這使得為它加入新特征變得更加容易,而不需要推翻已有的代碼。
tensorflow 1.0 的其他關鍵更新:
python api 被修改得更像 numpy。與此同時,在一定程度上犧牲了向後相容性,以最大化 api 的穩定性。具體有哪些改變、哪些相容性犧牲請見谷歌指南。
針對 java 和 go 的試驗性 api。tensorflow 距離完全支援 java 更近一步。
進階别 api 子產品: tf.layers、tf.metrics、和 tf.losses——在整合 skflow 和 tf slim 之後,從 tf.contrib.learn 移植過來。
對 xla 試驗性的釋出。 xla 是一個應用領域高度聚焦的 tensorflow 圖編譯器,可運作于 cpu 和 gpu。雷鋒網獲知,谷歌的 xla 研究進度極快。我們可以期待未來的 tensorflow 版本配備更完善、更強大的 xla。
加入了 tensorflow debuggerr (tfdbg)。這是一個指令行界面兼 api,用于修複實時 tensorflow 程式的漏洞
針對物體檢測和定位的新安卓 demo(展示),還有基于攝像頭的圖像風格化。
安裝改進:加入了 python 3 的 docker 圖示。tensorflow 的 pip 包變得相容 pypi。這意味着 可以用 pip 簡便地安裝 tensorflow。
谷歌大神 jeff dean 在發言中表示,看到全世界 tensorflow 社群以如此驚人得速度發展十分激動。
tensorflow 生态在不斷增長,這伴随着新技術的加入——比如用于動态批處理的 tensorflow fold,類似 embedding projector 的工具,以及對已有工具的更新,比如 tensorflow serving。
本文作者:三川