TensorFlow 1.0 正式發布 你需要知道的都在這裡

谷歌表示，僅僅在發布的第一年裡，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、防止糖尿病失明併發症等諸多領域。如今，TensorFlow 被用於逾 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 的正式版本被發布出來。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 個分散式 GPU 集群上運行，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，雷鋒網獲知，谷歌將發布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 加入了新的高級別 API，還有 tf.layers, tf.metrics, and tf.losses 模塊。非常關鍵的是，谷歌宣布 TensorFlow 1.0 內置了新的 tf.keras 模塊——後者使得 TensorFlow 為 Keras 提供 「完全」 兼容支持。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路庫，Keras 的加入無疑讓 Tensorflow 的使用變得更加便利。

更穩定

• 更適合商業化使用——TensorFlow 加強了 Python API 的穩定性。這使得為它加入新特徵變得更加容易，而不需要推翻已有的代碼。

TensorFlow 1.0 的其他關鍵升級：

• Python API 被修改得更像 NumPy。與此同時，在一定程度上犧牲了向後兼容性，以最大化 API 的穩定性。具體有哪些改變、哪些兼容性犧牲請見谷歌指南。

• 針對 Java 和 Go 的試驗性 API。TensorFlow 距離完全支持 Java 更近一步。

• 高級別 API 模塊： 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 試驗性的發布。 XLA 是一個應用領域高度聚焦的 TensorFlow 圖編譯器，可運行於 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)。這是一個命令行界面兼 API，用於修復實時 TensorFlow 程序的漏洞

• 針對物體檢測和定位的新安卓 demo（展示），還有基於攝像頭的圖像風格化。

• 安裝改進：加入了 Python 3 的 docker 圖標。TensorFlow 的 pip 包變得兼容 PyPI。這意味著 可以用 pip 簡便地安裝 TensorFlow。

TensorFlow 生態在不斷增長，這伴隨著新技術的加入——比如用於動態批處理的 TensorFlow Fold，類似 Embedding Projector 的工具，以及對已有工具的更新，比如 TensorFlow Serving。

點擊關鍵詞可查看相關歷史文章

● ● ●

熱門文章