ホームページ >テクノロジー周辺機器 >AI >TensorFlow の新しいバージョンには別のフラグがあります。公式チームは「4つの柱」を明確にしました:100%の下位互換性を約束し、2023年にリリース
TensorFlow と PyTorch のどちらを選びますか?
錬金術師はTF、静止画、依存関係の問題、説明不能ChangeInterface#によって苦しめられたに違いありません##、Google が TF 2.0 をリリースした後でも、問題はまだ解決されていません。やむを得ず PyTorch に切り替えたところ、世界は晴れやかになりました。
「人生は短い、私は PyTorch を使っています」
Google から始まった 新世代コンピューティング フレームワーク JAXこうしてみると、関係者もTFを見限ったようで、TensorFlowは墓場まで半歩です。
TF の 7 歳の誕生日を前に、TensorFlow 開発チームはブログを公開し、TensorFlow は引き続き開発され、2023 年に新しいバージョンがリリースされることを発表しました。 は 2020 年にリリースされ、汚くて乱雑で貧弱なインターフェイスが修正され、100% の下位互換性が約束されます ! TensorFlow は未来と戦う
約7 年前 、つまり 2015 年 11 月 9 日に、TensorFlow は正式にオープンソースになりました。
それ以来、コミュニティ内の何千人ものオープンソース貢献者や Google 開発専門家、コミュニティ主催者、研究者、世界的な教育者が、優れた TensorFlow の開発に投資してきました。7 年後の現在、TensorFlow は最も一般的に使用されている機械学習プラットフォームであり、何百万もの開発者によって使用されています。
TF はモバイル エコシステムに機械学習ももたらします。TFLite は 40 億のデバイスで実行されます。
TensorFlow はブラウザに機械学習ももたらします。TensorFlow.js は週に 170,000 回ダウンロードされます。
TensorFlow は、検索、GMail、YouTube、マップ、Play、広告、写真などを含む、Google の製品ポートフォリオのほぼすべての本番環境の機械学習を強化します。
Google に加えて、Alphabet の子会社の中でも、TensorFlow と Keras も、Waymo の自動運転車に機械インテリジェンスの基盤を提供しています。
TensorFlow は、より広範な業界において、Apple、ByteDance、Netflix、Tencent、Twitter などの世界最大の機械学習ユーザーのほとんどを含む数千の企業で機械学習システムを強化しています。
研究分野では、Google Scholar には TensorFlow や Keras について言及した 3,000 以上の新しい科学文書が毎月含まれています
TF Today のユーザーベースと開発者のエコシステムはこれまで以上に大きくなり、さらに成長し続けています。
TensorFlow の開発は、祝う価値のある成果であるだけでなく、機械学習コミュニティにより多くの価値を提供する機会でもあります。
開発チームの目標は、地球上で最高の機械学習プラットフォームを提供し、機械学習をニッチな業界から Web 開発と同じくらい成熟した業界に変革することに取り組むことです。
この目標を達成するために、開発チームはユーザーのニーズに耳を傾け、新しい業界のトレンドを予測し、ソフトウェアのインターフェイスを反復し、大規模なイノベーションをますます容易にするよう努めています。
機械学習は急速に進化しており、TensorFlow も同様です。
開発チームは TensorFlow の次のイテレーションに取り組み始めました。これは、機械学習開発の次の 10 年をサポートし、未来のために一緒に戦うことになります。
TensorFlow の 4 つの柱
高速かつスケーラブル: XLA コンパイル、分散コンピューティング、パフォーマンスの最適化
TF は、TPU のパフォーマンス上の利点に基づいて XLA のコンパイルに焦点を当て、GPU と CPU 上でほとんどのモデルのトレーニングと推論のワークフローを高速化します。開発チームは、XLA が深層学習コンパイラーの業界標準になることを期待しており、現在、OpenXLA イニシアチブの一環としてオープンソースになっています。同時に、チームは大規模なモデルの並列処理に使用できる新しいインターフェイス DTensor の研究も開始しました。これにより、非常に大規模なモデルのトレーニングと学習の未来が開かれる可能性があります。展開。ユーザーが大規模なモデルを開発する場合、複数のクライアントを同時に使用している場合でも、単一のマシン上でトレーニングしているように感じます。
DTensor は、柔軟なモデルとデータ並列処理をサポートするために tf.distribution インターフェイスと統合されます。 開発チームは、GPU と TPU の速度を大幅に向上させることができる、混合精度計算と低精度計算などのアルゴリズム パフォーマンス最適化手法もさらに研究する予定です。 応用機械学習 コンピュータ ビジョンと自然言語処理の分野に新しいツールを提供します。 チームが取り組んでいる応用機械学習エコシステムは、特に KerasCV および KerasNLP パッケージを通じて、多数の状態を含む応用 CV および NLP ユースケース向けのモジュール式で構成可能なコンポーネントを提供します。 -最先端の事前トレーニング済みモデル。 開発者向けに、チームは、人気のある、または新たな応用機械学習のユース ケースに関するコード サンプル、ガイド、ドキュメントをさらに追加する予定です。目標は、機械学習に対する業界の障壁を徐々に減らし、機械学習をすべての開発者が手にできるツールに変えることです。 デプロイの容易化 開発者は、モデルをモバイル デバイス (Android またはiOS )、エッジ デバイス (マイクロコントローラー)、サーバー バックエンド、または JavaScript がよりシンプルになります。 将来的には、mod.export() を呼び出すだけでモデルを TFLite および TF.js にエクスポートし、推論パフォーマンスを最適化できるようになります。 同時に、チームは、C プログラムの一部として直接使用できる、ネイティブのサーバー側推論用のパブリック TF2 C インターフェイスも開発しています。 JAX と TensorFlow Serving を使用してモデルを開発する場合でも、TensorFlow Lite と TensorFlow.js を使用して開発したモバイル モデルや Web モデルを開発する場合でも、デプロイが容易になります。 より簡単に 過去数年間で機械学習の分野が拡大したため, TensorFlow にはインターフェイスの数も増えており、それらは常に一貫した方法またはわかりやすい方法で表示されているわけではありません。 開発チームは、数値用の NumPy API 標準の採用など、これらの API の統合と簡素化を積極的に行っています。 モデルのデバッグも考慮する必要がある問題であり、優れたフレームワークとは、API インターフェイスの設計だけでなく、デバッグ エクスペリエンスも備えています。 チームの目標は、より優れたデバッグ機能により、応用機械学習システムの開発にかかる時間を最小限に抑えることです。 開発チームは TensorFlow が機械学習業界の基礎となることを望んでおり、そのため API の安定性も最も優れています。重要な機能。 製品の一部として TensorFlow に依存するエンジニアとして、また TensorFlow エコシステム パッケージのビルダーとして、最新の TensorFlow バージョンにアップグレードして、新しい機能をすぐに活用することができます。既存のコードベースが壊れる可能性を心配することなく、パフォーマンスが向上します。 したがって、開発チームは TensorFlow 2 から次のバージョンへの完全な下位互換性を約束します。 TensorFlow 2 コードは、トランスコーディングや手動変更を行わずに、そのまま実行できます。 チームは、2023 年の第 2 四半期に新しい TensorFlow 機能のプレビュー バージョンをリリースする予定であり、今年後半には製品バージョンをリリースする予定です。 コミットメント: 100% 下位互換性
以上がTensorFlow の新しいバージョンには別のフラグがあります。公式チームは「4つの柱」を明確にしました:100%の下位互換性を約束し、2023年にリリースの詳細内容です。詳細については、PHP 中国語 Web サイトの他の関連記事を参照してください。