TensorFlow 2.0 的核心功能将是“Eager Execution”

达尔文
 达尔文
发布于 2018年08月22日
收藏 5

TensorFlow 2.0 是谷歌开源机器学习框架的下一个主要版本,将于 2018 年末推出其首个测试版。TensorFlow 是 Google 对机器学习和数据科学领域的贡献,是快速开发神经网络的一般框架。 尽管 TensorFlow 相对较新,但由于其强大的抽象和易用性,已经被广泛采用作为深度学习的通用平台。

2.0 将带来哪些新特性?

除了解决性能问题之外,TensorFlow 2.0 的构建者还将纠正兼容性和连续性错误。

计划用于 TensorFlow 2.0 的核心功能是“Eager Execution”环境,通过 TensorFlow 实践更好地协调用户对编程模型的期望。Eager Execution 在 TensorFlow 1.7 中引入,是一种命令式编程环境,可在不构建图形的情况下立即评估操作,旨在使框架更易于学习和使用。

TensorFlow 2.0 计划的其他功能包括:

  • 扩展对更多平台和语言的支持。

  • 通过交换格式的标准化和 API 的一致性,改进平台和语言组件之间的兼容性。

  • 删除已弃用的 API,以减少用户之间的混淆。

为了更容易地过渡到新版本,转换工具将更新 Python 代码以使用与 TensorFlow 2.0 兼容的 API,以及在无法进行转换时发出的警告。

TensorFlow 2.0 的构建者预计版本 1.x 系列中不会进一步开发功能,但在版本 2.0 发布后的一年内,版本 1.x 系列将会有安全补丁。

 编译自:InfoWorld

本站文章除注明转载外,均为本站原创或编译。欢迎任何形式的转载,但请务必注明出处,尊重他人劳动共创开源社区。
转载请注明:文章转载自 开源中国社区 [http://www.oschina.net]
本文标题:TensorFlow 2.0 的核心功能将是“Eager Execution”
加载中

最新评论(5

alan-
alan-
百度还在卖假要
clouddyy
clouddyy
达叔辛苦
句龙胤
句龙胤
有个这样的API就好了:
# 例子,五层双输入单输出乘法网络
input_n = 2
dnn = tensorflow.dnn.maker(int, input_n).relu(10).relu(8).relu(6).relu(3).linear(1).done()

max_time = 10**7
min_error
dnn.train(max_time, min_error, lambda i,o: o - (i[0]+i[1]))

while true:
__i = input("Plus: ").split()
__print(dnn.run(i))

# in repl
Plus: 1 2
2
Plus: 3 10
30
...
ppaanngggg
ppaanngggg
他们终于感受到自己的编写方式蛋疼了
MGL_TECH
MGL_TECH
期待
返回顶部
顶部