TensorFlow 2.0「开发者预览版」上线

作者: 刘晓坤、李泽南 2019-01-11 14:32:09

 TensorFlow 2.0 预览版上线了!近日,谷歌 AI 团队成员 Martin Wicke 在社交网络上向大家发布了这一***深度学习框架的「开发者预览版」,该版本又被称为「Nightly 版」——因为框架会每晚更新。这不是一个稳定的版本,但开发者们可以尝试使用,熟悉新版本的特性。

不过,即使是在 TensorFlow 2.0 中,目前也没有对于 Python 3.7 的支持。

还有网友表示:

Nightly 版更接近于 beta 版本,为用户提供即将发布的内容的预览,以及有机会使用/贡献新功能。Nightly 版绝不是一个专为产品而设计的稳定版本,它旨在测试开发人员正在使用的***功能,不会自动提供文档,可以找到 bug,无法保证功能的可用性。

预览版官方页面:https://www.tensorflow.org/versions/r2.0/api_docs/python/tf

开发者们可以输入如下代码安装预览版:

  1. pip install tf-nightly-2.0-preview 

安装 GPU 版的方法是:

  1. pip install tf-nightly-gpu-2.0-preview 

目前的版本号是:tf-nightly-2.0-preview-1.13.0.dev20181214

TensorFlow 2.0 如今在 pypi 上提供 tf-nightly-2.0-preview 和 tf-nightly-gpu-2.0-preview 版本。你还可以通过传递—config=v2 到 bazel 命令来从源代码构建版本(在运行 configure 之后)。TensorFlow 2.0 是从同一个源码树构建的,因此如果你是从源代码构建,只需要从主服务器生成。

可从预览版官方页面获取 Nightly 版生成的文档。因为 Nightly 版还在开发中,文档可能随时变得不再有用或不完整。

在 TensorFlow 2.0 的开发中,谷歌专注于可用性,并对指定(specify)和运行计算的方式进行了重大更改。2018 年秋季发布的 RFC(https://github.com/tensorflow/community/tree/master/rfcs)实现了这样的重大变化。

pip 软件包附带一个转换器工具,可以升级(大多数)1.x TensorFlow 代码,因此它可以在 Nightly 版安装的 2.0 的情况下运行。tf_upgrade_v2 工具大量使用兼容性模块:tf.compat.v1。此模块包含 TensorFlow 1.x 中存在的所有符号及其原始功能。此外,升级工具也处于开发阶段,它可能无法在复杂项目上运行。

这个 Nightly 版的 2.0 仍然不完整。因此,谷歌表示不保证稳定性,还存在未解决的性能问题,并且缺少某些功能(例如,仅支持某些分布式机制,特别是 TPU 的支持仍然不完整),并且 TensorFlow 生态系统尚未和 2.0 同步更新(例如,TFHub)。谷歌表示会在创建 2.0-alpha 之前解决这些问题。

如果有兴趣尝试 Nightly 版,谷歌表示很欢迎报告使用中发现的问题。

在这里查看提交错误报告的方法:https://github.com/tensorflow/community/blob/master/governance/tensorflow-testing.md

对于***的机器学习框架来说,TensorFlow 2.0 将是一个重要的里程碑:新版本意味着大量的内容梗概,所有一切都以人人可以使用机器学习为目标。但是,这些更改可能会要求老用户重新学习如何使用框架。

去年 9 月,谷歌在开发者大会上就曾表示,在 TensorFlow 2.0 版本中,Eager 模式会成为默认执行模式,让开发者更简洁高效地搭建原型。

冯亦菲则在开发者大会上表示,TensorFlow 2.0 beta 版将会在 2018 年底公开(看来有点延迟了),而正式版预计于 2019 年的***个季度(最迟第二季度)问世。Eager 模式变为默认设置之后,开发者可以在原型搭建完成后,利用 AutoGraph 把在 Eager 模式下搭建的模型自动变成计算图。开发者也可以进一步对 AutoGraph 生成的计算图进行优化,或者关掉 Eager 模式自己构建计算图。

TensorFlow 机器之心 谷歌
上一篇:大数据、AI与场景结合的探究 京东数科JDD大赛冠军落定 下一篇:如何更好的应用人工智能技术?五个方式让它更准更快
评论
取消
暂无评论,快去成为第一个评论的人吧

更多资讯推荐

谷歌提出“洗发水”二阶优化算法,Transformer训练时间减少40%

最近,谷歌大脑提出了一种新的二阶预处理方法,带来很大改进,优于SGD、Adam和AdaGrad等一阶算法,缩短了神经网络的训练时间。

晓查 ·  2020-03-27 14:20:55
完胜 BERT,谷歌优秀 NLP 预训练模型开源

近日,谷歌宣布将 AI 语言模型 ELECTRA 作为 TensorFlow 之上的开源模型发布。该方法用到了一种称为替换令牌检测(RTD)的新预训练任务,使其能够在从所有输入位置学习的同时,训练双向模型。

杨鲤萍 ·  2020-03-17 09:42:00
谷歌开源TensorFlow Quantum 让开发者可构建量子AI模型

谷歌日前宣布开源TensorFlow Quantum(TensorFlow的扩展),让开发者能够为量子计算机构建人工智能模型。

至顶网 ·  2020-03-12 12:31:01
突破迁移学习局限!谷歌提出“T5”新NLP模型,多基准测试达SOTA

迁移学习在2018年出现的GPT、ULMFiT、ELMo以及 BERT等成果上初露锋芒,之后又在2019年大显身手,推动了领域内多种新方法的发展,其中就包括XLNet、RoBERTa、ALBERT、Reformer 和 MT-DNN 等等。

丛末、蒋宝尚 ·  2020-02-25 17:30:12
谷歌大脑重磅研究:快速可微分排序算法,速度快出一个数量级

在机器学习中,排序也经常用于统计数据、信息检索等领域。那么问题来了,排序算法在函数角度上是分段线性的,也就是说,在几个分段的“节点”处是不可微的。

鱼羊 十三 ·  2020-02-25 07:00:54
机器学习公平性研究,走在正确的道路上吗?

随着人工智能的发展,机器学习的技术越来越多地被应用在社会的各个领域,来帮助人们进行决策,其潜在的影响力已经变得越来越大,特别是在具有重要影响力的领域,例如刑事判决、福利评估、资源分配等。

丛末 ·  2020-02-07 15:14:23
容量是GPT-2的1.7倍!谷歌打造神经对话模型Meena

谷歌的研究人员认为:开放域对话研究除了是一个引人入胜的研究课题之外,这种对话机制还可以产生许多有趣的应用程序,例如进一步人性化的计算机交互、改进外语练习以及制作可关联的交互式电影和游戏角色。

AI前线小组 译 ·  2020-01-30 14:50:16
AI 不再高大上 更贴近生活

进入到 2020 年,AI 在行业中的发展已经超脱了单纯技术创新和突破的范畴,而是走向产品和产业融合,并由此体现出商业回报价值。由此,AI 的商业化落地,越来越成为衡量一家科技巨头在技术战略、产品规划、生态构建等方面综合实力的关键指标。

I/O ·  2020-01-16 16:18:49
Copyright©2005-2020 51CTO.COM 版权所有 未经许可 请勿转载