tensorflow开篇
TF1.0正式发布了
前天晚上的时候看TF文档还是挺费劲的,然后才过了几个小时,激动人心的发现TF的官方文档变得非常漂亮,从入门到一步步的提高写的非常又调理,给人非常容易亲近的感觉,再仔细一看官网,原来是TF1.0发布了。
TF1.0改进了库中的机器学习功能,发布了XLA的实验版本,对Python和Java用户开放,提升了debugging,并且加入和改进了一些高级API,其中包括Keras。一系列新的改进,都会让目前这个最受欢迎的深度学习框架变得更快、更灵活、更实用。
翻译自官网
- 更快:
TensorFlow 1.0 运行速度之快令人难以置信!XLA为未来更多的性能改进奠定了基础,而且 tensorflow.org 新提供"tips & tricks"帮助用户微调模型以实现最大速度。我们将很快发布一些常用模型的更新实现,以展示如何充分利用TensorFlow 1.0:包括基于 8 GPU 对 Inception v3 实现7.3倍加速,以及基于 64 GPU 对分布式 Inception v3 训练实现58倍加速!
- 更灵活
TensorFlow 1.0 还加入了一些高级API,包括 tf.layers,tf.metrics和tf.losses模块。此外,它还包含一个全新的tf.keras模块,能够与Keras完全兼容,Keras 是另一个流行的高级神经网络库。
- 更实用
TensorFlow 1.0 还提供稳定的 Python API,这让获取新功能更容易,而且不必担心破坏现有的代码。
- TensorFlow 1.0的其他亮点:
Python APIs已经更多地向Numpy转型。对于此类和其他向后兼容的以支持API稳定发展的更改,请使用我们的迁移指南和转换脚本。
Java和Go的实验API
高级API模块tf.layers,tf.metrics和tf.losses - 在纳入skflow和TF Slim之后从tf.contrib.learn中提取
发布了面向CPU和GPU的TensorFlow图形的特定领域编译器XLA的实验版本。 XLA正在迅速发展 - 预计在未来的发布中将看到更多的进展。
生成TensorFlow Debugger(tfdbg),一个用于调试实时TensorFlow程序的命令行界面和API。
用于对象检测和本地化的新Android demos以及基于摄像头的图片样式化。
TensorFlow 1.0 重大功能及改善
-
XLA(实验版):初始版本的XLA,针对TensorFlow图(graph)的专用编译器,面向CPU和GPU。
-
TensorFlow Debugger(tfdbg):命令行界面和API。
-
添加了新的python 3 docker图像。
-
使pip包兼容pypi。TensorFlow现在可以通过 pip install tensorflow 命令安装。
-
更改了几个python API的调用方式,使其更类似 NumPy。
-
新的(实验版)Java API。
-
Android:全新人物检测+跟踪演示实现——"Scalable Object Detection using DNN"(带有额外的YOLO对象检测器支持)。
-
Android:全新基于摄像头的图像风格转换演示,使用了神经网络艺术风格转换技术。