機器學習庫 TensorFlow 1.9.0 發布,大量修復和改進

2020-12-25 開源中國

機器學習庫 TensorFlow 1.9.0 已發布，更新內容如下：

主要特點和改進

1、tf.keras 文件升級: 新的基於 Keras 的入門以及程式設計師指導頁

2、tf.keras 升級到 Keras 2.1.6 API

3、添加 tf.keras.layers.CuDNNGRU 和 tf.keras.layers.CuDNNLSTM 層

4、對梯度提升樹估算器 (gradient boosted trees estimators) 添加核心功能欄和損失 (feature columns andlosses) 的支持

5、TFLite 優化轉換器的 Python 界面有所擴展，命令行界面 (AKA:toco, tflite_convert) 再次包含在了標準 pip 安裝中

6、優化了數據載入和文本處理：

7、實驗性地增加了對新的預製估算器的支持：

  • tf.contrib.estimator.BaselineEstimator

  • tf.contrib.estimator.RNNClassifier

  • tf.contrib.estimator.RNNEstimator

8、distributions.Bijector API 支持使用新的 API 變化為 Bijectors 進行廣播

重大改變

1、如果你正在打開空變量範圍，用 variable_scope (tf.get_variable_scope(), ...) 替換 variable_scope ('', ...)

2、用於構建自定義操作的標題已從 site-packages/external 移至 site-packages/tensorflow/include/external

Bug 修復及其他一些變更

1、tfe.Network 已棄用。請從 tf.keras.Model 指定繼承

2、分層變量名稱在以下條件中已更改：

3、tf.data :

  • Dataset.from_generator() 現能接受一個 args 列表，以便創建嵌套生成器

  • 當 shuffle = False 或一個 SEED 通過的情況下，Dataset.list_files() 現在將會產生確定性結果

  • tf.contrib.data.sample_from_datasets() 和 tf.contrib.data.choose_from_datasets() 將更容易採樣或更容易確定地從多個數據集中選擇元素

  • tf.contrib.data.make_csv_dataset() 現支持引用字符串中的換行符，並刪除了兩個不經常使用的參數

  • (C++) DatasetBase::DebugString() 現已設為常量

  • (C++) DatasetBase::MakeIterator() 已重新更名為 DatasetBase::MakeIteratorInternal()

  • (C++) IteratorBase::添加了Initialize()method 以支持在迭代器構建期間提出錯誤

4、Eager Execution :

5、tf.keras :

  • 將 Keras code 從_impl 文件夾中移出並移除API文件

  • tf.keras.Model.save_weights 現在默認以 TensorFlow 格式保存

  • 啟用數據集迭代器以傳遞至 tf.keras.Model 訓練/評價方法

6、TensorFlow Debugger (tfdbg)

7、tf.contrib :

來自：谷歌開發者

相關焦點

  • TensorFlow發布JavaScript開發者的機器學習框架TensorFlow.js
    此外 Node.js 很快就會發布，它能為網站模型提供 GPU、TPU 等快速訓練與推斷的方法。在 TensorFlow.js 中，我們可以使用最底層的 JavaScript 線性代數庫或最高級的 API 在瀏覽器上開發模型，也能基於瀏覽器運行已訓練的模型。因此，它可以充分利用瀏覽器和計算機的計算資源實現非常多機器學習應用。
  • TF - GAN入門:TensorFlow 2.0 的輕量級 GAN 庫
    >>> 人工智慧改變中國，我們還要跨越這三座大山 | 獻禮 70 周年用於機器學習的軟體庫往往對研究成功至關重要，因此軟體庫的更新速率必須能夠跟上機器學習研究發展的腳步。2017 年，谷歌推出了用於訓練和評估 生成對抗網絡 (Generative Adversarial Networks, GAN) 的輕量級庫 TF-GAN。
  • tensorflow機器學習模型的跨平臺上線
    ，這個方法當然也適用於tensorflow生成的模型，但是由於tensorflow模型往往較大，使用無法優化的PMML文件大多數時候很笨拙，因此本文我們專門討論下tensorflow機器學習模型的跨平臺上線的方法。
  • 終於來了,TensorFlow 新增官方 Windows 支持
    隨著 TensorFlow r0.12 版的發布，這一開源軟體庫現已支持 Windows7、10 和 Server 2016。同時，這一新版本可以讓用戶在 TensorFlow 訓練中得到 CUDA 8 的 GPU 加速。我們已將新版本在 PyPI 中封裝成型。現在你可以使用命令 C:\> pip install tensorflow 安裝 TensorFlow 了。
  • 谷歌機器學習系統 TensorFlow v0.12.0 RC0 發布
    RC0 發布了。主要新特性和改進：TensorFlow now builds and runs on MicrosoftGo: Experimental API in Go to create and execute graphs (https://godoc.org/github.com/tensorflow/tensorflow/tensorflow/go)New checkpoint format becomes the default in tf.train.Saver.
  • 小叮噹機器學習:Python3.6配置TensorFlow的GPU版詳細安裝教程
    隨著機器學習，神經網絡的搭建，我們對海量數據的處理需求越來越大。雖然，CPU的發展速度已經放緩，但並行處理的架構卻取得了爆炸式的發展。圖形處理單元（GPU）的大量運用，已經拉開了機器學習迅猛發展的序幕。
  • 370頁《TensorFlow 機器學習方案手冊》(附 pdf 和完整代碼)
    您將學習有關構建模型、模型評估、情緒分析、回歸分析、聚類分析、人工神經網絡和深度學習等內容，每塊內容都使用 Google 的機器學習庫 TensorFlow。這份指南從 TensorFlow 庫的基本原理開始，該庫包括變量、矩陣和各種數據源。接下來，你將獲得使用 TensorFlow 的線性回歸技術的實踐經驗。下一章將介紹重要的高級概念，如神經網絡、CNN、RNN 和 NLP。
  • TensorFlow 2.0正式版官宣!深度集成Keras
    作為最受歡迎的機器學習庫之一，自2015年穀歌大腦團隊發布TensorFlow以來，TensorFlow框架已被下載超過4000萬次。 為了提高易用性，TensorFlow 2.0進行了許多修改，如取消了一些被認為是多餘的API，並緊密集成和依賴tf.keras作為中央高級API。TensorFlow與Keras深度學習庫的集成化最初始於2017年2月發布的TensorFlow1.0，本次更新讓二者的集成程度進一步提高。
  • Python機器學習庫(Scikit-Learn, TensorFlow, optional: Pytorch)學習小組
    為滿足廣大學子的要求，特開設Python機器學習庫(Scikit-Learn, Pytorch) 學習小組。適用於有一定統計和機器學習背景，但實戰經驗少的學員。旨在短期（8-9周）內掌握如何應用，選擇合適的機器學習庫實現和測試所需要的算法課程將提供電子書籍和相關code。課程主要以個人學習和主講加討論的形式進行，也歡迎大家旁聽。
  • 從TensorFlow.js入手了解機器學習
    首先是畫一條隨機的線，然後在一個循環算法中改進它，修復每個循環中的錯誤。這種優化算法又叫做梯度下降法 (Gradient Descent)，還有更多複雜的算法如 SGD、ADAM，概念都類似。為了理解梯度下降法，我們需要知道每個算法 (線性回歸、邏輯回歸等) 有不同的代價函數 (cost function) 來度量這些錯誤。
  • TensorFlow 2.0 基礎:張量、自動求導與優化器
    機器學習模型的實現並不是 TensorFlow 的專利。事實上，對於簡單的模型，即使使用常規的科學計算庫或者工具也可以求解。在這裡，我們使用 NumPy 這一通用的科學計算庫來實現梯度下降方法。NumPy 提供了多維數組支持，可以表示向量、矩陣以及更高維的張量。同時，也提供了大量支持在多維數組上進行操作的函數（比如下面的np.dot()是求內積，np.sum()是求和）。
  • 《30天吃掉那隻 TensorFlow2.0 》全新TF2.0教程收穫1000 Star
    Keras可以看成是一種深度學習框架的高階接口規範，它幫助用戶以更簡潔的形式定義和訓練深度學習網絡。使用pip安裝的Keras庫同時在tensorflow,theano,CNTK等後端基礎上進行了這種高階接口規範的實現。而tf.keras是在TensorFlow中以TensorFlow低階API為基礎實現的這種高階接口，它是Tensorflow的一個子模塊。
  • 雲安全日報200928:谷歌TensorFlow機器學習開源平臺發現重要漏洞...
    它擁有一個全面而靈活的生態系統，其中包含各種工具、庫和社區資源，可助力研究人員推動先進機器學習技術的發展，並使開發者能夠輕鬆地構建和部署由機器學習提供支持的應用。例如，著名Alphago，谷歌大腦就是基於TensorFlow實現的。不過，TensorFlow機器學習平臺最近爆出了多個重要漏洞(部分是先前遺留未修復的)，需要儘快升級。
  • 谷歌深度學習框架TensorFlow 1.0 正式發布,更快更穩定
    2月15日，在山景城舉辦的首屆TensorFlow開發者峰會上，谷歌官方正式發布了TensorFlow 1.0版，包括多項新特性。作為一個開源軟體庫，TensorFlow可應用於各種感知和語言理解的機器學習任務。
  • TensorFlow 1.9.0-rc0 升級 tf.keras 至 Keras 2.1.6 API
    TensorFlow 1.9.0-rc0 已發布。該版本帶來了不少改進和新特性：Update tf.keras to the Keras 2.1.6 API.
  • 玩轉TensorFlow?你需要知道這30功能
    9）TensorFlowJS這是一個 JavaScript 庫，用於在瀏覽器和 Node.js 上訓練和部署 ML 模型。這意味著，如果不想使用低階的模型，那仍然可以用高階 API 的用戶友好性來實現圖形+模型的構建。2.0 版本將會有更多的功能！網址：https://www.tensorflow.org/guide/keras
  • 帶你入門機器學習與TensorFlow2.x
    在已經發布的 CUDA 版本中，有些是有補丁包的。補丁包的作用是對該版本的功能擴充和問題修復。建議讀者安裝。以 CUDA 9.0 為例，基於 Windows 的 CUDA 軟體包帶有配套的補丁包，建議一起下載下來。
  • TensorFlow 2.0凌晨發布!「改變一切,力壓PyTorch」
    官方對此也心知肚明，因此在今早發布的博客中寫道：」TensorFlow 2.0由用戶社區推動，告訴我們他們想要一個易於使用、靈活又強大的平臺，並且支持部署到任何地方。「那麼TF2.0有什麼改進？四、TensorFlow 2.0提高了在GPU上的性能表現。以ResNet-50和BERT為例，只需要幾行代碼，混合精度使用Volta和Turing GPU，訓練表現最高可以提升3倍。五、新增TensorFlow Datasets，為包含大量數據類型的大型數據集提供了標準接口。
  • Tensorflow 2.0 到底好在哪裡?
    TensorFlow 2.0 有四大組成部分：TensorFlow 核心，一個用於開發和訓練機器學習模型的開源庫；TensorFlow.js，一個用於在瀏覽器和 Node.js 上訓練和部署模型的 JavaScript 庫；TensorFlow Lite，一個輕量級庫，用於在移動和嵌入式設備上部署模型；TensorFlow Extended
  • 【翻譯】Sklearn與TensorFlow機器學習實用指南 ——第12章 設備和伺服器上的分布式TensorFlow(上)
    在 ŽigaAvsec 的博客文章中，提供了在 Amazon AWS GPU 實例上使用 Python 3.5 設置 TensorFlow 0.9 的詳細說明。將它更新到最新版本的 TensorFlow 應該不會太難。 Google 還發布了一項名為 Cloud Machine Learning 的雲服務來運行 TensorFlow 圖表。