用四年成为世界第一:TensorFlow 团队回顾 2019

对 TensorFlow 来说,2019 年是激动人心的一年。从发布 TensorFlow 2.0 和几个产品更新,再到在 11 个不同国家 / 区域举行的全球路演,以及初次举行的 TensorFlow World,本年的主题是 TensorFlow 怎么协助国际各地的开发人员、研究人员和企业经过机器学习来处理具有应战性的现实问题。跟着 TensorFlow 迎来四周岁的生日,咱们将回忆咱们在曩昔一年来所做的尽力。

咱们在加利福尼亚州森尼韦尔市举行了 第三届年度开发者峰会 ,由此拉开了这一年的前奏。咱们发布了 TensorFlow 2.0 的 alpha 版别,这是该渠道迄今为止最大的一个版别,它使得开发人员构建机器学习体系变得愈加简略。

关于设备上运转 TensorFlow 来说,2019 年是重要的一年。从协助丈量 空气质量 的应用程序,再到 Google Coral Dev Boards ,乃至是 Google I/O 2019 舞台上进行现场演示,TensorFlow 为这一切都供给了动力。关于 TensorFlow Lite 更新,咱们在 Model Optimization Toolkit中添加了练习后的半精度浮点量化和一个新的 剪枝 API ,一同还发布了一个针对单片机的 TensorFlow Lite 攻略 。

跟着机器学习在许多不同的渠道和设备上运转,咱们很快乐宣告推出 MLIR ,这是一种灵敏的基础设施,它能够处理由于软件和硬件不断添加的碎片化带来的复杂性,并使人工智能应用程序的构建变得愈加简略。

正是由于有了 TensorFlow 社区,TensorFlow 才会成为国际上最受欢迎的机器学习渠道之一,在 2019 年,社区为这个生态体系做出了很大的奉献!从 答复 Stack Overflow 的问题 ,到推特上活跃与 TensorFlow官推 互动,再到协助 翻译文档 和创立 特别兴趣小组 ,本年社区为 TensorFlow 生态体系的各个方面都做出了严重奉献。咱们还期望,经过从头规划 tensorflow.org 网站、翻译文档以及推出新的 博客 来改善开发人员的体会,以保证咱们支撑他们的尽力。

这是咱们第一次参与 Google Code-in ,这是一个 Google 举行的全球性的在线程序规划比赛,意图是向青少年介绍开源开发的国际。咱们还 在 DevPost 上发起了新的 2.0 黑客松 ,让你同享最新最棒的项目,并赢得奖品。此外,咱们还与 Kaggle 协作发起了一项 比赛 ,向你应战问答使命。这项比赛截止到 1 月 22 日,祝你好运!咱们将在 TensorFlow 开发者峰会 2020 上报导介绍获奖者。

作为 2019 年 9 月开发者峰会 2019 上发布 alpha 版别的后续,咱们很快乐 正式发布 TensorFlow 2.0 !这是社区的一个巅峰时间,它告知咱们,他们想要的是一个易于运用的渠道,能够在任何设备上运转。

插件和扩展是 TensorFlow 生态体系的重要组成部分,这便是为什么咱们期望保证它们也兼容 TensorFlow 2.0 的原因。现在,在 TensorFlow 2.0 中,你能够运用盛行的库了,如 TF Probability 、 TF Agents 、 TF Text with 2.0 等。咱们还引入了许多新的库,以更有用的方法协助研究人员和机器学习从业者,如 神经结构学习 和新的 公平性目标 插件。

https://v.qq.com/x/page/m3040gva05r.html

想运用 TensorFlow 1.x 并要转换到 2.0?没问题!咱们的团队现已编写了 搬迁攻略 ,以及怎么有用运用 TensorFlow 2.0 的攻略 。

咱们与 O’Reilly 媒体出版公司协作,在加利福尼亚州圣克拉拉会议中心举行了首届 TensorFlow World,为这一年画上了句号。有超越 1000 名机器学习爱好者参与了此次活动,还有数千人经过 livestream 观看了实况转播。

https://v.qq.com/x/page/t3040oc0jnk.html

这次活动包含为期两天的技术练习和为期两天的主题讲演。在活动中,咱们发布了一些令人兴奋的布告,包含:

咱们更新了 TensorFlow Hub 的体会,这样,你就能够更直观地在 TensorFlow 生态体系中找到一切的预练习模型,比方 BERT 。这意味着你能够找到与图画、文本、视频等相关的模型,它们能够与 TensorFlow Lite 和 TensorFlow.js 一同运用。

TensorFlow 的可视化工具包 TensorBoard,能够协助任何人详细分析他们的机器学习试验。在 TensorFlow World 上,咱们还发布了 TensorBoard.dev ,这是一种保管的 TensorBoard 体会,能够让你上传并与任何人同享你的机器学习试验成果。现在,你能够保管并盯梢你的一切机器学习试验,并轻松地免费同享它们,而无需进行任何设置。只需简略地上传你的日志并创立一个 URL 即可!

TensorFlow.org 网站上新出的学习机器学习页面以供给书本、课程和视频为特征,协助用户进步机器学习常识,并学习怎么将机器学习应用到他们的项目中。此外,咱们还宣告了新的 4 门专业课程:“ TensorFlow: Data and Deployment ”,现在能够经过 deeplearning.ai 下载该课程了。

咱们还宣告了新的教育资源,并在 Coursera 渠道上与 deeplearning.ai 以及与 Udacity 建立了协作伙伴关系,创立练习下一代机器学习用户的课程。

https://v.qq.com/x/page/g3040b3ob3a.html

关于企业来说,寻觅适宜的资源来完成机器学习处理方案或许很困难。为了向企业供给协助,咱们启动了 TensorFlow 可信协作伙伴试点方案 。TensorFlow 可信协作伙伴试点方案将 TensorFlow 团队验证的体系集成商与开始运用机器学习的企业连接起来。咱们现在可信的协作伙伴包含 Accenture、Cognizant、Quantiphi、Wipro 等。

11 月份,咱们发布了 TensorFlow 2.1 的候选版别,它连续了 TensorFlow 2.0 的发展势头,并进行了严重改善和过错修正。有关更多详细信息,你能够在 GitHub 上找到 发行阐明 。在 2.1 版别中,TensorFlow 现在就能够支撑 Cloud TPU。这意味着关于高功能的练习场景,你现在就能够运用 散布战略 API ,只需最小的代码即可更改来分发练习,并在 Cloud TPU 上取得超卓的开箱即用功能。要了解更多详细信息,请检查散布式练习 攻略 。

在默许情况下,2.1 还包含一个 pip 包,在 Linux 和 Windows 机器上,不管是否装备 NVIDIA GPU,都能够对 GPU 供给支撑。此外,TensorFlow 现在支撑 CUDA 10.1,并且在 GPU 和 Cloud TPU 上都供给了混合精度的试验支撑。 TensorRT 6.0 现在支撑并默许启用,这将为 TensorFlow 操作添加更多的支撑。

原文链接: