BT

如何利用碎片时间提升技术认知与能力? 点击获取答案

TensorFlow 1.0已发布

| 作者 Alex Giamas 关注 8 他的粉丝 ,译者 谢旭 关注 0 他的粉丝 发布于 2017年3月9日. 估计阅读时间: 2 分钟 | Google、Facebook、Pinterest、阿里、腾讯 等顶尖技术团队的上百个可供参考的架构实例!

Google最近发布TensorFlow 1.0。该版本具有稳定的Python API,并添加了Java和Go的实验性API。 新的领域专用编译器XLA,对于Inception-v3神经网络模型,在8 GPU配置下能获得7.3倍的性能提升,在64 GPU配置下能获得58倍的提升。一个新的上层API可以帮助构建卷积神经网络、计算评估相关的指标损失函数运算Keras还可以通过内置模块与TensorFlow集成。Keras是一个上层Python神经网络库,旨在抽象深度学习以便快速实验。

发布TensorFlow 1.0后不久,Google还发布tf.transform,这是一个用于TensorFlow的数据预处理库。基于Apache Beam,tf.transform可以帮助避免“训练服务偏差(training-serving skew)”问题,该问题是生产中的数据与用于训练底层模型的数据不同。

除了这些改进,还添加了命令行调试器、Python 3 docker镜像以及更容易的安装方式(通过pip包管理工具)。这些改进产生了副作用,其中存在一些更改向后不兼容,此兼容问题可以通过迁移指南转换脚本(conversion script)解决。

用户可以在自己的基础设施上部署TensorFlow,或者使用Google的PaaS TensorFlow产品Cloud Machine Learning。开发人员可以从介绍性内容或更高级的示例入手。

在短短一年多的时间里,已有超过6000个GitHub开源代码仓库使用TensorFlow。更多信息可以在TensorFlow开发者大会(TensorFlow Developer Summit)的视频中获得,该视频包含了最近的更新和一些有意思的

查看英文原文:TensorFlow 1.0 Released


感谢王纯超对本文的审校。

给InfoQ中文站投稿或者参与内容翻译工作,请邮件至editors@cn.infoq.com。也欢迎大家通过新浪微博(@InfoQ@丁晓昀),微信(微信号:InfoQChina)关注我们。

评价本文

专业度
风格

您好,朋友!

您需要 注册一个InfoQ账号 或者 才能进行评论。在您完成注册后还需要进行一些设置。

获得来自InfoQ的更多体验。

告诉我们您的想法

允许的HTML标签: a,b,br,blockquote,i,li,pre,u,ul,p

当有人回复此评论时请E-mail通知我
社区评论

允许的HTML标签: a,b,br,blockquote,i,li,pre,u,ul,p

当有人回复此评论时请E-mail通知我

允许的HTML标签: a,b,br,blockquote,i,li,pre,u,ul,p

当有人回复此评论时请E-mail通知我

讨论

登陆InfoQ,与你最关心的话题互动。


找回密码....

Follow

关注你最喜爱的话题和作者

快速浏览网站内你所感兴趣话题的精选内容。

Like

内容自由定制

选择想要阅读的主题和喜爱的作者定制自己的新闻源。

Notifications

获取更新

设置通知机制以获取内容更新对您而言是否重要

BT