【开发】TensorFlow2.0新特性

简介: 上周在Sunnyvale举办的TensorFlow开发峰会上,Google发布了最新一版的TensorFlow: 2.0 Alpha版本。 它较原先的1.x版本有什么改进呢?我们知道作为一个算法研究工具,tensorflow相较于同类型产品,编码是较为复杂的,需要引入额外的“搭建阶段(Construction Phase)”来创建视图,创建会话,初始化变量等等。

上周在Sunnyvale举办的TensorFlow开发峰会上,Google发布了最新一版的TensorFlow: 2.0 Alpha版本。
1
它较原先的1.x版本有什么改进呢?我们知道作为一个算法研究工具,tensorflow相较于同类型产品,编码是较为复杂的,需要引入额外的“搭建阶段(Construction Phase)”来创建视图,创建会话,初始化变量等等。同样是一段计算一串等比数列(1,1/2,1/4...)前50项之和,PyTorch的代码只有区区几行:
2
而在Tensorflow则要经历环境和执行阶段的构建工作。
3
结构的复杂性同时会延长前期入门人员的学习曲线及增大后期Debug的排障难度。而在TensorFlow2.0中,产品组从用户角度出发,简化了流程,不再需要建立用户会话,与Python语言更加融合,并统一了API的调用接口。
举个例子,原来我们要计算两个数乘积的平方根,需要定义视图,创建会话,设定变量。
4
在TensorFlow2.0中,系统省去了建立会话的麻烦。
5
嗯,快速执行(Eager Execution)看似简化了编码的工作,那效率怎样呢?会比通过用户会话层交互更快么?经过TF团队大量案例的测试,答案是“几乎一样快”。我们知道视图是建立在会话之上的,但是通过优化视图,使其在接收大量训练数据的时候仍能保持较高的响应速度。这里我们可以将一系列算法定义为一个全局函数,以提高处理大量数据的效率。
6
在TensorFlow建立一个真正的数学模型时,我们知道以往可以通过tf.slim,tf.layers,Keras或者从原始算法开始做复合编译。TF2.0整合了之前复杂的函数接口,统一了原本形形色色的编译语言。若要支持上文提到的快速部署,API必须满足Keras接口标准。在早期需要动辄上百行的模型代码,现在也只要了了是几行就可实现,甚至比PyTorch还要精炼。
7
此外,TF2.0还支持与TensorBoard的调用交互。
8
这样我们在TensorBoard里可以直观看到即时的模型训练情况,适时地调整预期,查看偏移曲线。
9
对于任何一款工具的大版本变动,原先的开发人员必定需要花时间重新熟悉和了解,对于新人来说,拿TF2.0作为起步工具势必直接可以得到事半功倍的效果。
关注公众号“达摩院首座”,一起开源一起嗨!

相关文章
|
机器学习/深度学习 数据可视化 PyTorch
TensorFlow与PyTorch框架的深入对比:特性、优势与应用场景
【5月更文挑战第4天】本文对比了深度学习主流框架TensorFlow和PyTorch的特性、优势及应用场景。TensorFlow以其静态计算图、高性能及TensorBoard可视化工具适合大规模数据处理和复杂模型,但学习曲线较陡峭。PyTorch则以动态计算图、易用性和灵活性见长,便于研究和原型开发,但在性能和部署上有局限。选择框架应根据具体需求和场景。
1503 4
|
机器学习/深度学习 小程序 5G
TensorFlow 1.x最后一更、Android 10最新特性,这是谷歌开发者日
教程、体验、实战?谷歌开发者日能满足你对开发工具与开发体验的所有好奇心。
319 0
TensorFlow 1.x最后一更、Android 10最新特性,这是谷歌开发者日
|
机器学习/深度学习 TensorFlow 算法框架/工具
《白话深度学习与TensorFlow》——第3章 3.0TensorFlow框架特性与安装
本节书摘来自华章计算机《白话深度学习与TensorFlow》一书中的第3章,第3.0节,作者:高扬,卫峥著, 更多章节内容可以访问云栖社区“华章计算机”公众号查看。
1348 0
|
9月前
|
机器学习/深度学习 人工智能 算法
猫狗宠物识别系统Python+TensorFlow+人工智能+深度学习+卷积网络算法
宠物识别系统使用Python和TensorFlow搭建卷积神经网络,基于37种常见猫狗数据集训练高精度模型,并保存为h5格式。通过Django框架搭建Web平台,用户上传宠物图片即可识别其名称,提供便捷的宠物识别服务。
814 55
|
10月前
|
机器学习/深度学习 数据采集 数据可视化
TensorFlow,一款由谷歌开发的开源深度学习框架,详细讲解了使用 TensorFlow 构建深度学习模型的步骤
本文介绍了 TensorFlow,一款由谷歌开发的开源深度学习框架,详细讲解了使用 TensorFlow 构建深度学习模型的步骤,包括数据准备、模型定义、损失函数与优化器选择、模型训练与评估、模型保存与部署,并展示了构建全连接神经网络的具体示例。此外,还探讨了 TensorFlow 的高级特性,如自动微分、模型可视化和分布式训练,以及其在未来的发展前景。
879 5
|
10月前
|
机器学习/深度学习 人工智能 TensorFlow
基于TensorFlow的深度学习模型训练与优化实战
基于TensorFlow的深度学习模型训练与优化实战
457 3
|
机器学习/深度学习 人工智能 算法
鸟类识别系统Python+卷积神经网络算法+深度学习+人工智能+TensorFlow+ResNet50算法模型+图像识别
鸟类识别系统。本系统采用Python作为主要开发语言,通过使用加利福利亚大学开源的200种鸟类图像作为数据集。使用TensorFlow搭建ResNet50卷积神经网络算法模型,然后进行模型的迭代训练,得到一个识别精度较高的模型,然后在保存为本地的H5格式文件。在使用Django开发Web网页端操作界面,实现用户上传一张鸟类图像,识别其名称。
413 12
鸟类识别系统Python+卷积神经网络算法+深度学习+人工智能+TensorFlow+ResNet50算法模型+图像识别
|
10月前
|
机器学习/深度学习 人工智能 算法
基于Python深度学习的【垃圾识别系统】实现~TensorFlow+人工智能+算法网络
垃圾识别分类系统。本系统采用Python作为主要编程语言,通过收集了5种常见的垃圾数据集('塑料', '玻璃', '纸张', '纸板', '金属'),然后基于TensorFlow搭建卷积神经网络算法模型,通过对图像数据集进行多轮迭代训练,最后得到一个识别精度较高的模型文件。然后使用Django搭建Web网页端可视化操作界面,实现用户在网页端上传一张垃圾图片识别其名称。
423 0
基于Python深度学习的【垃圾识别系统】实现~TensorFlow+人工智能+算法网络
|
10月前
|
机器学习/深度学习 人工智能 算法
【手写数字识别】Python+深度学习+机器学习+人工智能+TensorFlow+算法模型
手写数字识别系统,使用Python作为主要开发语言,基于深度学习TensorFlow框架,搭建卷积神经网络算法。并通过对数据集进行训练,最后得到一个识别精度较高的模型。并基于Flask框架,开发网页端操作平台,实现用户上传一张图片识别其名称。
380 0
【手写数字识别】Python+深度学习+机器学习+人工智能+TensorFlow+算法模型
|
10月前
|
机器学习/深度学习 人工智能 算法
基于深度学习的【蔬菜识别】系统实现~Python+人工智能+TensorFlow+算法模型
蔬菜识别系统,本系统使用Python作为主要编程语言,通过收集了8种常见的蔬菜图像数据集('土豆', '大白菜', '大葱', '莲藕', '菠菜', '西红柿', '韭菜', '黄瓜'),然后基于TensorFlow搭建卷积神经网络算法模型,通过多轮迭代训练最后得到一个识别精度较高的模型文件。在使用Django开发web网页端操作界面,实现用户上传一张蔬菜图片识别其名称。
520 0
基于深度学习的【蔬菜识别】系统实现~Python+人工智能+TensorFlow+算法模型

热门文章

最新文章