問耕 只想說 凹非寺

量子位 榮譽出品 | 微信公眾號 QbitAI

TensorFlow 2.0總算來啦！

今日零晨，這一全世界客戶數(shù)最多的深度神經(jīng)網(wǎng)絡架構，宣布釋放了2.0版本號。

Google深度神經(jīng)網(wǎng)絡生物學家、Keras創(chuàng)作者Fran?ois Chollet激情的表明：“TensorFlow 2.0是一個來自未來的設備在線學習平臺，它更改了一切”。

許多 網(wǎng)民表明，TensorFlow 2.0比PyTorch更強用，早已提前準備全方位轉(zhuǎn)為這一新升級的深度神經(jīng)網(wǎng)絡架構了。

更實用的TF2.0

雖然是排名第一的深度神經(jīng)網(wǎng)絡架構，但TensorFlow的缺陷也一直比較突出。官方網(wǎng)對于此事也心照不宣，因而在今早公布的blog中寫到：

”TensorFlow 2.0由客戶小區(qū)促進，告知大家她們要想一個便于應用、靈便又強勁的服務平臺，而且適用布署到任何地方?！?/p>

那麼TF2.0有哪些改善？

一、Keras與TensorFlow密不可分集成化，默認設置eager execution，實行Pythonic涵數(shù)。官方網(wǎng)表明，對開發(fā)人員而言，TensorFlow 2.0用起來跟Python類似；針對學者而言，新架構也在低等API層面開展了關鍵資金投入。

二、為了更好地在各種各樣服務平臺上運作，SavedModel格式文件開展了規(guī)范化。

三、對于性能卓越訓煉情景，能夠應用Distribution Strategy API開展遍布訓煉，且只需開展小量編碼改動就能得到優(yōu)異的特性。適用Keras Model.fit、自定訓煉循環(huán)系統(tǒng)、多GPU這些。

四、TensorFlow 2.0提升了在GPU上的特性主要表現(xiàn)。以ResNet-50和BERT為例子，只必須兩行編碼，混和精密度應用Volta和Turing GPU，訓煉主要表現(xiàn)最大能夠提高3倍。

五、增加TensorFlow Datasets，為包括很多基本數(shù)據(jù)類型的大中型數(shù)據(jù)出示了通信接口。

六、盡管保存了傳統(tǒng)式的根據(jù)Session的程序編寫實體模型，但官方網(wǎng)如今提議應用eager execution開展基本的Python開發(fā)設計。tf.function裝飾器能夠把代碼轉(zhuǎn)換成能夠遠程控制實行、實例化、性能優(yōu)化的圖。在Autograph的協(xié)助下，可以把基本的Python控制流立即轉(zhuǎn)成TensorFlow控制流。

七、官方網(wǎng)出示了TensorFlow 1.x升級2.0的轉(zhuǎn)移手冊，TF2.0還有一個全自動變換的腳本制作。

八、TensorFlow 2.0出示了實用的API，可以靈便迅速的完成新念頭。實體模型的訓煉和serving也早已無縫拼接集成化在系統(tǒng)架構中。

大量有關TensorFlow 2.0的信息內(nèi)容，能夠>

瀏覽官方網(wǎng)站：

https://www.tensorflow.org/

GitHub：

https://github.com/tensorflow/tensorflow/releases/tag/v2.0.0

“更改一切，完爆PyTorch”

TensorFlow 2.0公布以后，引起了普遍的探討和關心。

Google深度神經(jīng)網(wǎng)絡生物學家、Keras創(chuàng)作者Fran?ois Chollet激情的表明，TensorFlow 2.0是一個來自未來的設備在線學習平臺，它更改了一切。

如今GitHub上排名第一的NLP設備課程學習practicalAI的創(chuàng)作者、美國蘋果公司AI研究者Goku Mohandas在twiter上說，她們已經(jīng)從PyTorch轉(zhuǎn)為TensorFlow 2.0。

客戶Francois Piednoel留言板留言表明，他早已感受了TF2.0一整周，他得出一樣的結果：TF2.0如今早已完爆PyTorch一手了。

深度神經(jīng)網(wǎng)絡科學研究和教育工作者、fast.ai創(chuàng)辦人Jeremy Howard也夸贊TF2.0的公布是”令人激動的一步，與TensorFlow一代對比是一個極大的飛越“。

自然，對于具體如何，還得大伙兒親身感受了。

為了更好地迎來新版本的公布，TensorFlow精英團隊的Josh Gordon，還梳理了一份教學資源。

1、Deep Learning with Python

TF2.0根據(jù)Keras。假如你是一個深度神經(jīng)網(wǎng)絡初學者，最好是從這本書下手。自然這本書里的編碼必須改一下，但比較簡單：

import keras -> from tensorflow import keras

這本書詳細地址在這里：

https://github.com/fchollet/deep-learning-with-python-notebooks

2、Hands-on ML第二版

這本書非常棒，能夠陪你更深層次TF2.0，還記得需看第二版。

這本書詳細地址在這里：

https://github.com/ageron/handson-ml2

3、AppliedML

假如你喜愛播放視頻，這有一個深層次scikit-learn和深度學習的內(nèi)容，完全免費。這套課程內(nèi)容全名是AppliedML，YouTube上的詳細地址在這里：

https://www.youtube.com/channel/UCMEXgDffQy6nS2a74Gby8ZA/videos

4、官方網(wǎng)實例教程

最終，推薦最新的TF2.0基礎教程。詳細地址：

tensorflow.org/tutorials/

安裝TF2.0

TensorFlow 2.0適用以下的64位電腦操作系統(tǒng)：

• Ubuntu 16.04 or later
• macOS 10.12.6 (Sierra) or later (no GPU support)
• Windows 7 or later
• Raspbian 9.0 or later

下載安裝包：應用Python的pip安裝，版本號必須19.0以后。

自然……不安裝也可以用，由于還有一個武器：

Google Colab。

好啦，最終祝大家節(jié)日愉快！

— 完 —

真摯招騁

量子位已經(jīng)征募編寫/新聞記者，工作中地址在中關村。希望有才華、有激情的同學們加入團隊！有關關鍵點，請在量子位微信公眾號(QbitAI)會話頁面，回應“招騁”兩字。

量子位 QbitAI · 今日頭條號簽訂創(chuàng)作者

?'?' ? 跟蹤AI技術性和商品最新消息