Google объявила о выходе TensorFlow 2.0

Google анонсировала TensorFlow 2.0 — новую версию программной библиотеки для создания моделей машинного обучения. Компания опубликовала подробный пост с описанием обновлений фреймворка.

Итак, какие улучшения предлагает TensorFlow 2.0?

Новая архитектура

С момента создания в TensorFlow интегрируется ряд приложений и библиотек (смотри рисунок ниже). Теперь эти приложения будут полностью реструктурированы и объединены в комплексную платформу, которая поддерживает процесс создания модели от обучения до развертывания.

Простое построение моделей с помощью Keras

Keras — это высокоуровневый API для построения и обучения моделей. Он удобен для пользователей и позволяет легко начать работу с TensorFlow. Поскольку Keras предоставляет различные API для построения моделей, включая последовательные, функциональные и подклассы, пользователям станет проще выбирать нужный уровень абстракции для своего проекта.

Eager execution и tf.function

Реализация Keras в TensorFlow также содержит ряд полезных функций, таких как eager execution, tf.function и tf.data.

1. Eager execution обеспечивает немедленную итерацию и интуитивно понятную отладку;
2. tf.function — простое преобразование программ Python в графы TensorFlow;
3. tf.data упрощает создание масштабируемых конвейеров.

Transfer learning с TensorFlow Hub

Команда TensorFlow значительно облегчила работу тем, кто не строит модель с нуля. Пользователи получат возможность использовать модели из TensorFlow Hub, библиотеки для обучения моделей Keras или Estimator.

Упрощение и чистка API

В этом выпуске будет удалено много API, среди которых tf.app, tf.flags и tf.logging. Основное пространство tf. * будет очищено путем перемещения менее используемых функций в подпакеты, такие как tf.math. Некоторые API будут заменены их эквивалентами 2.0, например tf.keras.metrics, tf.summary и tf.keras.optimizers.

Для упрощения перехода к TensorFlow 2.0 создан скрипт, который обновляет код Python TensorFlow 1.x для использования API-интерфейсов, совместимых с TensorFlow 2.0 и отмечает случаи, когда код не может быть автоматически преобразован.

Больше информации о TensorFlow 2.0 в посте разработчиков на Medium.