Mart 2018'de Google, Tensorflow'un 1.7.0 sürümünü yayınladı ve dün gece Tensorflow Geliştirici Zirvesi'nde Google, Tensorflow'un yeni sürümüne yönelik birçok önemli güncelleme yaptı.
Yeni sürümdeki en çarpıcı şey , TensorFlow ve NVIDIA Tensor RT'nin bu sürümü, yüksek düzeyde optimize edilmiş bir GPU donanım bilgi işlem ortamı elde etmek için entegre edilmiştir. Testte, TensorFlow'un entegre sürümü orijinal sürümden daha iyidir Yürütme hızı, 7 milisaniye gecikme ortamında 8 kat daha hızlıdır.
TensorRT, tahmin yapmak için derin öğrenme modellerini optimize etmeye ve üretim ortamları için GPU'larda dağıtılan çalışma zamanı ortamları oluşturmaya yönelik bir kitaplıktır. TensorFlow'a birçok optimizasyon getirir ve verimliliği en üst düzeye çıkarmak ve GPU tahmini sırasında gecikmeyi en aza indirmek için belirli bir platformun çekirdeklerini otomatik olarak seçer.
Şekil | TensorFlow Extended (TFX), geliştiricilerin kullanılabilir hizmetler sağlamak için üretim ortamında verileri hazırlamasına, eğitmesine, doğrulamasına ve eğitimli modelleri hızla dağıtmasına olanak tanıyan yeni bir makine öğrenimi platformu
Ek olarak, TensorFlow sürüm 1.7.0 ayrıca daha fazla dili ve platformu destekler, JavaScript'i bile destekleme yeteneğine sahiptir, Makine öğrenimi tarayıcıda web arayüzü üzerinden gerçekleştirilebilir ve çevrimdışı eğitimli TensorFlow ve Keras modelleri tahmin için içe aktarılabilir ve WebGL'yi sorunsuz bir şekilde destekleme yeteneği gerçekleştirilir.
Şekil TensorFlow'un yeni sürümü, modelin yeniden kullanılabilir kısmının keşfini, serbest bırakılmasını ve kullanımını büyük ölçüde hızlandırabilen TensorFlow Hub işlevini de destekler
Tensorflow 1.7.0 sürümüyle birlikte, TensorFlow Lite bir güncelleme de başlattı.TensorFlow Lite'ın en son sürümü, çekirdek yorumlayıcının boyutunu önceki sürümde 1,1 MB'den 75 KB'ye düşürdü. Aynı zamanda, bazı nicel modeller gerçekleştirirken , TensorFlow Lite'ın yeni sürümü 3 kata kadar daha hızlı.
TensorFlow, 2015 yılında piyasaya sürüldü ve sayısal hesaplamalar için veri akış grafiklerini kullanan açık kaynaklı bir yazılım kitaplığıdır. Grafikteki düğümler (Düğümler) matematiksel işlemleri temsil eder ve grafikteki çizgiler (kenarlar) düğümler arasında birbirine bağlanan çok boyutlu veri dizilerini, yani tensörleri temsil eder.
Kullanıcılar, TensorFlow hesaplamalarını masaüstü bilgisayarlarda, sunucularda, mobil cihazlarda vb. Bir veya daha fazla CPU (veya GPU) gibi birden çok platformda genişletebilir. TensorFlow, ilk olarak Google Brain Group'tan (Google Machine Intelligence Research Institute'a ait) araştırmacılar ve mühendisler tarafından makine öğrenimi ve derin sinir ağları üzerine araştırmalar için geliştirildi, ancak bu sistemin çok yönlülüğü onu diğer hesaplamalar için geniş çapta uygulanabilir kılıyor alan.
Daha sonra Google, makine öğrenimi modellerini eğitmek için kullanılabilen ve aynı zamanda çıkarım çalışmalarını da saniyede 180 trilyon kayan nokta işlemiyle işleyebilen, yıllarca geliştirdiği TPU (tensör işleme birimi) mimarisini de piyasaya sürdü. Geçmişte, büyük ölçekli çeviri modeli görevlerini piyasadaki dünyanın en iyi 32 GPU'su ile eğitmek tam bir gün sürdü, ancak TPU bölmesinin 1 / 8'ini kullanarak tamamlanması yalnızca bir öğleden sonra sürüyordu.
3 Şubat 2018'de Google, kendi geliştirdiği AI çipli TPU'yu saatte 6,5 ABD doları karşılığında üçüncü bir tarafa açtı. Şirketlerin şu anda tek bir TPU kartı kiralama izni var. Bu yılın ilerleyen günlerinde, şirketlerin birden çok anakart kiralayıp bunları TPU bölmesi adı verilen bir süper bilgisayar ağına bağlamasına izin verilecek.
TensorFlow'a dayalı olarak geliştirilen ürünler:
Görüntü çevirme aracı pix2pix: pix2pix-tensorflow, bir görüntüden diğerine çeviri yapmak için Tensorflow'un kullanımını gerçekleştirir. Pix2pix'e göre. pix2pix-tensorflow, pix2pix'teki Torch'u Tensorflow'a nakleder ve Torch'tan nakledilen renk alanı dönüşüm kodunu içerir.
Şekil etki diyagramı
Baidu DeepSpeech: DeepSpeech projesi, açık kaynaklı bir Konuşmadan Metne motorudur. Baidu'nun derin konuşma araştırma makalesinin makine öğrenimi teknolojisi eğitim belgesine dayanmaktadır ve uygulamayı basitleştirmek için Google'ın TensorFlow projesini kullanır.
TensorFlow, Çin'deki bazı yeni yapay zeka şirketleri için çok önemli bir araçtır. Bununla birlikte, performans açısından bakıldığında, startup'ların büyük çoğunluğu Caffe, Keras ve Theano gibi yerleşik derin öğrenme çerçevelerini detaylandırmayı tercih ediyor.
Örnek olarak Keras'ı ele alalım: Bazı yapay zeka girişimleri bunu seçiyor çünkü Keras'ın sözdizimi oldukça açık, dokümantasyonu da çok iyi (nispeten yeni olmasına rağmen) ve Python'u destekliyor (aslında TensorFlow da destekliyor). Kullanımı çok basit ve kolaydır; geliştiriciler ayrıca talimatlarını, işlevlerini ve her modül arasındaki bağlantı yöntemini sezgisel olarak anlayabilirler. Keras, Theano ve TensorFlow (yapılandırılabilir) üzerinde çalışabilen çok yüksek seviyeli bir kitaplıktır. Ek olarak, Keras minimalizmi vurgular - sadece birkaç satır kodla bir sinir ağı oluşturabilirsiniz.
Yabancı ülkeler için TensorFlow şüphesiz en popüler olanıdır. Github'da yayınlanan verilere göre, bu aracın tek başına çatal sayısı 60.389'a ulaştı ve aynı türdeki araçlar arasında ilk sırada yer aldı.
Bununla birlikte, Çin TensorFlow topluluğunda etkisi o kadar büyük değil. Şu an itibariyle, TensorFlow China'daki çatal sayısı yalnızca 3315'tir ve bu, resmi orijinal TensorFlow topluluğunun yalnızca% 5'idir.