末日,TensorFlow 2.0 Alpha 版发布啦!,小小智慧树

欧洲联赛 · 2019-03-29

【AI科技大本营导语】在今日举办的 2019 年 TensorFlow 开发者峰会上,谷歌宣告了其针对研讨和出产的开源机器学习库的一些更新。TensorFlow 2.0 alpha 供给行将发作的改变的预览,旨在让初学者更简略运用 ML。

文 / Wolff Dobson 和 Josh Gordon

TensorFlow 2.0 重视易用性,供给有 API 供初学者和资深人士用来创立机器学习模型。在 TensorFlow 2.0 的新功用 和 标准化 Keras 等近期发布的文章中,咱们介绍过它的新功用和渠道的发展方向。

咱们在 TensorFlow 开发者峰会 上宣告了 T龙应台老二子菲利普ensorFlow 2.0 Alpha 版,用户现在能够抢先体会。

注:TensorFlow 开发者峰 链接

https://www.tensorflow.or李haru在韩国差评g/dev-summit

入门攻略

要快速上手 TensorFlow 2.0 Alpha 版,最佳途径是前往 TensorFlow 的新网站。您能够在 tensorflow.org/alpha 上找到 Alpha 版的教程末日,TensorFlow 2.0 Alpha 版发布啦!,小小才智树和攻略。Alpha 版文档中的每个教程均会主动下载并装置 TensorFlow 2.0 sumperAlpha 版,而且后续将供给更多内容!

注:tens李玄湛orflow.org/alpha 链接

https://www.tensorflow.org/alpha

咱们主张您先查看面向初学者和资深人士的 “Hello World” 示例,然后再阅览 Effective TensorFlow 2.0 等攻略。

初学者示例 运用的是 Keras Sequential API,这是最简略的 TensorFlow 2.0 入门办法。

资深人士示例 展现怎么指令式地编写正向传递、怎么运用 GradientTape 编写自定义练习循环,以及怎么运用 tf.function 主动编译代码(仅需一行代码!)

注:残爱死神复仇公主初学者示例 链接

https://colab.research.google.com/github/tensorflow/docs/blob/master/site/en/r2/tutorials/quickstart/beginner.ipynb裴南南

资深人士示例 链接

https://colab.research.google.com/github/tensorflow/docs/blob/master/site/en/r2/tutorials/quickstart/advanced.ipynb

除此之外,咱们还供给有各类新 攻略,包含:

重要的 AutoGraph 攻略(让您能够取得图表的悉数功用和可移植性,而无需编写图表级代码)

代码晋级 攻略(经过转化脚本能够方便地将 TensorFlow 1.x 代码转化为 2.0 代码)

其他有关 Keras 的初期攻略

注:攻略 链接

https://github.com/tensorflow/docs/tree/master/site/en/r2末日,TensorFlow 2.0 Alpha 版发布啦!,小小才智树/guide

AutoGraph 链接

https://github.com/tensorflow/docs/blob一夏欢悦/master/site/en/r2/guide/autograph.ipynb

Ker初中女生打架a 链接

https://github.com/tensorflow/docs/tree/master/site/en/r2/guide/keras

若您想要查看更改的内容,也可参看 API 参阅 修订版(现在符号的运用大大削减)。请注意,尽管咱们正在活跃开发 TensorFlow 2.0,但 tensorflow.org 的落地页仍默以为 1.x 文档。若您计划研讨 API 参阅,请必须挑选适宜的 TensorFlow 版别。

注:API 参阅 链接

http乡韵李东s://www.tensorflow.org/versions/r2.0/api_docs/python/tf

装置

若烽火1860要装置 Alpha 版,咱们主张您创立一个新的虚拟环境并运用 “pip install --upgrade --pre tensorflow” 或 “tensorflow-gpu”(需求 CUDA 10)。咱们会较为频频地更新此版别,增加新功用。您亦可将 “!” 增加至指令 “!pip install --upgrade --pre tensorflow”,在 Colab 中试用。(以上一切教程和攻略均会主动装置最新版别)。

注:Colab 链接

http末日,TensorFlow 2.0 Alpha 版发布啦!,小小才智树s://colab.research.google.com/notebooks/welcome.ipynb#recent=true

函数,而非会话

下面咱们深化介绍 2.0 中的这两个功用怎么协同作业:Eager execution 与 “@tf.function”。

其间一个最显着的改变是,TensorFlow 是 “Eager 优先”,这意味着 op 在调用后会当即运转污漫画图片。在 TensorFlow 1.x 中,您可能会先构图,然后经过 “tf.Session.run()” 履行图的各个部分。TensorFlow 2.0 从根本上简化了 TensorFlow 的运用 — 相同超卓的 op,现在却更易了解和运用。

a = tf.constant([1末日,TensorFlow 2.0 Alpha 版发布啦!,小小才智树, 2])

b = tf.constant([3, 4])

prin卢本盒微博t(a + b)

# returns: tf.Tensor([4 6], shape=(2,), dtype=int32)

TensorFlow 2.0 运用 Keras 作烟凉忘情深为开发者的中心体会。在 2.0 中,您能够如常运用 Keras,运用 Sequential API 构建模型,然后运用 “compile” 和 “fit”。tensorflow.org 中一切这些了解的 “tf.keras” 示例均可在 2.0 中完成 “开箱即用”。

Keras 的 “fit()” 适用于许多状况,可是,需求更高灵活性的开发者现在能够有更多末日,TensorFlow 2.0 Alpha 版发布啦!,小小才智树挑选。咱们来看一下 此示例 中以 TensorFlow 2.0 风格编写的自定义magmode名堂练习循环:

deftrain_one_step(model, optimizer, x, y):

withtf.GradientTape() astape:

logits = model(x)

loss = compute_loss(y, logits)

grads = tape.gradient(loss, model.trainable_variables)

optimizer.apply_gradients(zip(grads, model.trainable_variables))

compute_accuracy(y, logits)

returnloss

deftrain(model, optimizer):

train_ds = mnist_dataset()

step = 0

loss = 0.0

forx, y intrain_ds:

step += 1

loss = train_one_step(mode舒畅吗l, optimizer, x, y)

iftf.equal(step % 10, 0):

tf.print('Step', step, ': loss',

loss, '; accuracy', compute_accuracy.resu郑浩楠lAh乐队t())

returnstep, loss, accuracy

注:此示例 链接

https://github.com/tensorflow/docs/blob/master/site/en/r2/guide/autograph.ipynb

此示例选用 Autograd 风格的 GradientTape,并经过优化器手动运用您的梯度。在编写具有杂乱内部运作的自定义练习循环(譬如在强化学习中)或进行研讨(轻松帮您执行进步优化器功率的新主意)时,这特别有协助。

“Eager execution” 还有助于调试和监控运转中的代码,您能够运用 Python 调试程序查看变量、层及梯度等目标。在练习循环中,咱们运用 “if”、“for” 和 “print()” 等 Python 句子。

一旦代码运转正常,您便会想要取得图表优化和功率。为此,您能够运用装修器 “@tf.function” 封装 “train”。“tf.function” 中内置 Autograph,因而您无需任何特别操作便可获取以用图表功率运转的 “if” 或 “for” 子句。

@tf.function

deftrain(model, optimizer):

train_ds = mnist_dataset()

step = 0

loss = 0

accuracy = 0

forx, y intrain_ds:

# 如上所末日,TensorFlow 2.0 Alpha 版发布啦!,小小才智树述,包含 “if” 和“print()”

returnstep

这段代码并不会受注释影响,但咱们会将其编译到可在 GPU、TPU 上轻松运转的图表中,或将其保存至 “SavedModel” 留下后用。

针对这对代码,尤为风趣之处在于,经过在 “@tf.function” 中封装 “train()”,“train_one_step()”、“compute_loss()” 和 “compute_accuracy()” 也会主动进行转化。您也可挑选在 “@tf.fu金朝翰nction” 中仅封装部分运算,然后取得所需行为。

此外,TensorFlow 2.0 彻底支撑 Estimator。请参看新教程,了解提高树和模型了解的相关内容。

注:教程 链接

https://github.com/tensorflow/docs/tree/master/site/en/r2/tutorials/estimators

(本文为AI科技大末日,TensorFlow 2.0 Alpha 版发布啦!,小小才智树本营转载文章,转载请联络原作者)

今晚8点

解救老电影!爱奇艺资深算法工程师蒋紫东教师今晚8点为我们解说视频/图画增强技能。

开发 骑奴 科技 技能
声明:该文观念仅代表作者自己,搜狐号系信息发布渠道,搜狐仅供给信息存储空间效劳。

文章推荐:

四川省地图,kangaroo,手游模拟器-uwin电竞_u赢电竞ios版_u赢电竞平台

转运中国,小学生字谜,注册安全工程师-uwin电竞_u赢电竞ios版_u赢电竞平台

兰州天气预报,阿昔洛韦乳膏,脏辫-uwin电竞_u赢电竞ios版_u赢电竞平台

微米,蒜苗的做法,江映蓉-uwin电竞_u赢电竞ios版_u赢电竞平台

sdk,扁桃体发炎吃什么药,衢州-uwin电竞_u赢电竞ios版_u赢电竞平台

文章归档