谷歌首席科学家解读TensorFlow新风向
极客时间编辑部
讲述：丁婵大小：1.40M时长：03:03
在最近举办的 Google Cloud Next 2018 大会上，TensorFlow 的主题演讲向所有人工智能的从业者展示了关于 TensorFlow 的最新动向。谷歌的首席决策科学家卡西·哈尔科夫（Cassie Kozyrkov），对会议要点进行了整理和总结。
1.TensorFlow 是一个非常强大的机器学习框架
如果你在研究深度学习，或者你研究的数据集非常庞大，那么 TensorFlow 就应该成为你的最佳的机器模型选择。TensorFlow 并不像是一把轻巧的瑞士军刀，如果处理的数据量很小，那么就不需要使用 TensorFlow，它反而会降低你的效率。
2. 不必再为 TensorFlow 的复杂操作而感到头疼
众所周知，TensorFlow 的代码编写和一般的代码编写风格很不一样，如果你曾经对 TensorFlow 的编码方式感到抓狂，并且放弃了它。那么，现在，你可以继续使用它了。
TensorFlow eager execution 让你可以像纯粹的 Python 编程一样，与代码进行交互，代码可以立即执行和逐行调试。现在，TensorFlow 的入门使用也变得相对简单，并可以使研究和开发过程更为直观。
3. 你可以逐行构建神经网络
Keras 完全是为了友好的用户体验和简单的原型设计而存在。如果你喜欢面向对象的思维，并且喜欢一次构建一层神经网络，那么你就会喜欢 tf.keras。
4. 不仅仅支持 Python
TensorFlow 将不仅仅支持 Python，目前，它已经可以支持多种语言的开发，从 R 到 Swift 再到 JavaScript。
5.TensorFlow 有一个 Lite 版本，专门用于小型设备
TensorFlow Lite 使得机器学习模型可以在各种设备上执行，包括手机和物联网设备等，模型的判断速度比原始的 TensorFlow 快 3 倍以上。也就是说，现在，可以在手机上进行机器学习了。在演讲中，演讲嘉宾使用了一个安卓模拟器，在成千上万人面前成功演示了图像分类。
6. 专业的硬件变得更好
如果你已经厌倦了等待 CPU 完成神经网络的训练，那么你现在可以使用 Cloud TPU 跑模型了。一个 Cloud TPU 设备可以在 24 小时内，将运行在 resnet-50 上的模型的识别精度训练到 75%。
7. 新的数据处理流水线得到了很大改进
在过去，如果你想要在 TensorFlow 中实现 Numpy 的功能，那么你可能会崩溃，而现在。tf.data 命名空间可以让你的输入在 TensorFlow 中更加直观和高效。它提供了和训练同步的快速、灵活和易于使用的数据处理流水线。
公开
同步至部落
取消
完成
0/2000
荧光笔
直线
曲线笔记
复制
AI
- 深入了解
- 翻译
- 解释
- 总结
该免费文章来自《极客视点》，如需阅读全部文章，
请先领取课程
请先领取课程
免费领取
© 版权归极客邦科技所有，未经许可不得传播售卖。 页面已增加防盗追踪，如有侵权极客邦将依法追究其法律责任。
登录 后留言
精选留言
由作者筛选后的优质留言将会公开显示，欢迎踊跃留言。
收起评论