1.4版本 谷歌发布TensorFlow 迎来三大新变化 支持分布式训练
雷锋网 AI科技评论消息,日前,Google Developers blog正式撰文发布TensorFlow 1.4版本,此次的更新迎来三个重大变化:Keras位于TensorFlow core中,Dataset API支持更多功能,引入效用函数tf.estimator.train_and_evaluate等等。
雷锋网 AI科技评论编辑整理如下:
TensorFlow 1.4目前已经公开,这次迎来重大更新。此次更新后,将支持很多新的、令人兴奋的特征,希望大家都能满意。
在TensorFlow1.4版本中,Keras从tf.contrib.keras转移到tf.keras核心包。Keras目前是一个广受欢迎的机器学习框架,它的高级API接口能大大缩短从付诸想法到实践的时间。Keras平滑地集成了其他core TensorFlow功能,包括Estimator API。
事实上,通过调用tf.keras.estimator.model_to_estimator函数,大家可以从任何Keras模型中构建Estimator。
此次更新后,Keras处于TensorFlow core中了,大家可以在自己的产品工作流中用到它。
想要了解更多关于Keras的相关知识,请阅读如下链接:
简单介绍
Keras Sequential model API指南
Keras Functional model API指南
想要了解更多关于Estimator的相关知识,请阅读如下链接:
介绍TensorFlow Estimator和数据集的博文
TensorFlow 1.4版本中,Dataset API从tf.contrib.data中转移到tf.data核心包。新版Dataset API将支持Python生成器。强烈建议大家使用Dataset API来为TensorFlow模型创建input pipeline,原因有如下几点:
未来的开发重点将放在Dataset API上,而不是着眼于之前的API。如果想使用数据集,请阅读如下说明:
介绍TensorFlow Estimator和数据集的博文 (链接如上)
TensorFlow程序员数据导入篇指南
介绍Dataset API的幻灯片(带有讲者注释)
TensorFlow 1.4还引入了效用函数tf.estimator.train_and_evaluate,这能简化训练、评估以及
输出Estimator模型的过程。该函数在训练和评估过程中能支持分布式执行,同时也仍然支持本地执行。
除了前面所述的一系列功能,TensorFlow 1.4还引入了一些额外的增强功能,在 Release Note 有详细描述,地址:
目前可以使用标准pip来安装TensorFlow 1.4版本。
另外,tensorflow.org中的文件也已更新到1.4版本。
最后,TensorFlow的强大功能依赖于社群中的贡献者们,非常感谢大家帮助我们一起进行开发。还没有加入我们社群的人,请不要犹豫,大家一起在GitHub开发源代码或者在Stack Overflow上帮助回答问题吧。
希望你们都能喜欢这些新功能。
via: Google Developers blog
雷锋网 AI科技评论编辑整理。
版权文章,未经授权禁止转载。详情见 转载须知 。