TensorFlow의 새 버전에는 또 다른 플래그가 있습니다! 공식 팀은 "4가지 기둥"을 명확히 했습니다: 100% 이전 버전과의 호환성을 약속하고 2023년에 출시됩니다.

TensorFlow와 PyTorch 중 누구를 선택하시나요?

연금술사는 TF, 정적 이미지, 종속성 문제, 그리고 설명할 수 없는 변경된 인터페이스로 인해 괴로움을 겪었을 것입니다. Google이 TF 2.0을 출시한 후에도 문제는 여전히 해결되지 않았습니다. 선택의 여지 없이 PyTorch로 전환한 후, 세상은 밝아졌습니다.

"인생은 짧습니다. 저는 PyTorch를 사용합니다"

Google도 차세대 컴퓨팅 프레임워크 JAX를 발표하기 시작했습니다관계자들은 TF를 포기한 것 같고 TensorFlow는 이제 절반밖에 남지 않았습니다. 몇 걸음 떨어져 있습니다.

TF의 7번째 생일이 되기 전에 TensorFlow 개발팀은 블로그를 게시하여

TensorFlow가 계속 개발될 것이며 2023에 새 버전을 출시하여 더럽고 지저분하며 열악한 인터페이스를 처리할 것이라고 발표했습니다. 수정하면 100% 이전 버전과의 호환성을 약속합니다! TensorFlow는 미래를 위해 싸우고 있습니다

약

7년 전, 즉 2015년 11월 9일에 TensorFlow는 공식적으로 오픈 소스가 되었습니다.

그 이후로 수천 명의 오픈소스 기여자와 커뮤니티의 Google 개발 전문가, 커뮤니티 조직자, 연구원 및 글로벌 교육자가 TensorFlow 개발에 투자했습니다.

7년이 지난 오늘날, TensorFlow는 이미 수백만 명의 개발자가 사용하는 가장 일반적으로 사용되는 머신러닝 플랫폼입니다.

TF는 gitHub에서 (Vue 및 React에 이어) 세 번째 소프트웨어 리소스 라이브러리이며 PyPI에서 가장 많이 다운로드되는 기계 학습 소프트웨어 패키지이기도 합니다.

TF는 또한 모바일 생태계에 기계 학습을 제공합니다. TFLite는 40억 개의 장치에서 실행됩니다.

TensorFlow는 또한 브라우저에 기계 학습을 제공합니다. TensorFlow.js는 주당 170,000회 다운로드됩니다.

TensorFlow는 검색, GMail, YouTube, 지도, Play, 광고, 사진 등을 포함한 Google 제품 포트폴리오 전반에 걸쳐 거의 모든 프로덕션 기계 학습을 지원합니다.

Google 외에도 Alphabet의 다른 자회사 중에서 TensorFlow 및 Keras도 Waymo의 자율주행차를 위한 기계 지능의 기초를 제공합니다.

더 넓은 업계에서 TensorFlow는 Apple, ByteDance, Netflix, Tencent, Twitter 등 세계 최대의 기계 학습 사용자 대부분을 포함하여 수천 개의 회사에서 기계 학습 시스템을 지원합니다.

연구 분야에서 Google Scholar는 매달 TensorFlow 또는 Keras를 언급하는 3000개 이상의 새로운 과학 문서를 색인화합니다.

TF는 오늘날 사용자 기반과 개발자 생태계가 그 어느 때보다 커지고 성장하고 있습니다.

TensorFlow의 개발은 축하할 만한 성과일 뿐만 아니라 머신러닝 커뮤니티에 더 많은 가치를 제공할 수 있는 기회입니다.

개발팀의 목표는 지구상 최고의 머신러닝 플랫폼을 제공하고 머신러닝을 틈새 산업에서 웹 개발과 같은 성숙한 산업으로 전환하기 위해 열심히 노력하는 것입니다.

이 목표를 달성하기 위해 개발 팀은 사용자 요구에 귀를 기울이고, 새로운 업계 동향을 예측하고, 소프트웨어 인터페이스를 반복하고, 대규모 혁신을 점점 더 쉽게 만들기 위해 노력하고 있습니다.

머신러닝은 빠르게 발전하고 있으며 TensorFlow도 마찬가지입니다.

개발팀은 향후 10년간의 기계 학습 개발을 지원하고 미래를 위해 함께 싸울 TensorFlow의 다음 버전 작업을 시작했습니다!

TensorFlow의 네 가지 원칙

빠르고 확장 가능함: XLA 컴파일, 분산 컴퓨팅, 성능 최적화

TF는 TPU 성능 이점을 기반으로 XLA 컴파일에 중점을 두므로 대부분의 모델 교육 및 추론 워크플로는 GPU와 CPU에서는 더 빠릅니다. 개발 팀은 XLA가 딥 러닝 컴파일러의 업계 표준이 되기를 바라고 있으며 이제 XLA는 OpenXLA 이니셔티브의 일부로 오픈 소스입니다.

동시에 팀은 대규모 모델 훈련 및 배포의 미래를 열어줄 수 있는 대규모 모델 병렬 처리에 사용할 수 있는 새로운 인터페이스인 DTensor를 연구하기 시작했습니다. 사용자가 대규모 모델을 개발할 때 동시에 여러 클라이언트를 사용하더라도 단일 시스템에서 훈련하는 것처럼 느껴집니다.

DTensor는 유연한 모델과 데이터 병렬성을 지원하기 위해 tf.distribution 인터페이스와 통합됩니다.

개발팀은 GPU 및 TPU 속도를 상당히 향상시킬 수 있는 혼합 정밀도 및 감소된 정밀도 계산과 같은 알고리즘 성능 최적화 기술을 추가로 연구할 것입니다.

Applied Machine Learning

은 컴퓨터 비전 및 자연어 처리 분야를 위한 새로운 도구를 제공합니다.

팀이 특히 KerasCV 및 KerasNLP 패키지를 통해 작업하고 있는 응용 기계 학습 생태계는 다수의 최첨단 사전 구성 요소를 포함하여 응용 CV 및 NLP 사용 사례를 위한 모듈식 및 구성 가능한 구성 요소를 제공합니다. 훈련된 모델.

개발자를 위해 팀에서는 인기 있고 새로운 응용 기계 학습 사용 사례에 대한 더 많은 코드 샘플, 가이드 및 문서를 추가할 예정입니다. 궁극적인 목표는 기계 학습에 대한 업계 장벽을 점차적으로 낮추고 이를 모든 개발자의 손에 있는 도구입니다.

배포가 더 쉬워졌습니다

개발자는 모바일 장치(Android 또는 iOS), 에지 장치(마이크로컨트롤러), 서버 백엔드 또는 JavaScript로 내보내는 등 모델을 쉽게 내보낼 수 있습니다.

미래에는 모델을 TFLite 및 TF.js로 내보내고 추론 성능을 최적화하는 것이 mod.export()를 호출하는 것만큼 간단해질 것입니다.

동시에 팀은 C++ 프로그램의 일부로 직접 사용할 수 있는 네이티브 서버 측 추론을 위한 공개 TF2 C++ 인터페이스도 개발 중입니다.

JAX 및 TensorFlow Serving을 사용하여 모델을 개발하든, TensorFlow Lite 및 TensorFlow.js를 사용하여 개발한 모바일 및 웹 모델이든 배포가 더 쉬워질 것입니다.

Easier

지난 몇 년 동안 기계 학습 분야가 확장됨에 따라 TensorFlow에 대한 인터페이스도 마찬가지지만 항상 일관되거나 이해하기 쉬운 방식으로 제공되지는 않습니다. .

개발팀은 숫자에 대한 NumPy API 표준을 채택하는 등 이러한 API를 적극적으로 통합하고 단순화하고 있습니다.

모델 디버깅도 고려해야 할 문제입니다. 훌륭한 프레임워크는 API 인터페이스 디자인뿐 아니라 디버깅 경험이기도 합니다.

팀의 목표는 더 나은 디버깅 기능을 통해 응용 기계 학습 시스템을 개발하는 데 필요한 솔루션 시간을 최소화하는 것입니다.

약속: 100% 이전 버전과의 호환성

개발팀은 TensorFlow가 기계 학습 산업의 초석이 되기를 희망하므로 API의 안정성 또한 가장 중요한 기능입니다.

TensorFlow를 제품의 일부로 사용하는 엔지니어이자 TensorFlow 생태계 패키지 빌더로서 최신 TensorFlow 버전으로 업그레이드하고 최신 기능에 대한 걱정 없이 즉시 새로운 기능과 성능 개선을 누릴 수 있습니다. 코드 베이스가 충돌할 수 있습니다.

따라서 개발팀은 TensorFlow 2에서 다음 버전까지의 완전한 하위 호환성을 약속합니다.

TensorFlow 2 코드는 코드 변환이나 수동 변경 없이 있는 그대로 실행됩니다.

팀에서는 2023년 2분기에 TensorFlow의 새로운 기능의 미리보기 버전을 출시할 계획이며, 올해 말에 제품 버전을 출시할 예정입니다.

위 내용은 TensorFlow의 새 버전에는 또 다른 플래그가 있습니다! 공식 팀은 "4가지 기둥"을 명확히 했습니다: 100% 이전 버전과의 호환성을 약속하고 2023년에 출시됩니다.의 상세 내용입니다. 자세한 내용은 PHP 중국어 웹사이트의 기타 관련 기사를 참조하세요!