今天早晨,我发现我正从在美国旧金山举行的「Google Cloud Next」大会,当中一场我十分享受的讲座,摘要最喜爱的重点。这场讲座的主题是「TensorFlow有什么新功能?(YouTube 视频)」

然后,我想了一会儿,想不到不跟您分享我这超级简短摘要的理由(除了也许您不会看这段影片,但真的应该看一下,因为讲者很棒)。所以,就让我们开始吧!

TensorFlow 的 logo

1.TensorFlow 是一个强大的机器学习框架

TensorFlow是一个机器学习框架。如果您有许多资料,并且/或您正追求AI人工智慧的最先进技术,例如深度学习、神经网路⋯⋯等等,那TensorFlow也许会成为您新的超级好朋友。TensorFlow可不像是资料科学的瑞士小刀,它的功用奇大无比,堪比工业用车床,我的意思是,如果您想要的仅仅是透过20乘2的电子表格,绘制出回归线,那您大可不用继续阅读。

但如果巨大的功用是您所追求的,那TensorFlow会让您感到很兴奋!因它已被用来寻找新的行星;借帮助医生筛检糖尿病导致的视网膜病变,以预防失明;借提醒有关当局非法砍伐森林活动的迹象,以拯救森林。而AlphaGo和Google Cloud Vision更建立在TensorFlow之上,现在,您也可以尝试看看!TensorFlow完全开放原始码,您可以免费下载,并且马上开始使用。

科学家借由TensorFlow的帮助,发现了Kepler-90i行星。这使Kepler-90星系成为目前所知唯一的另一个星系,在轨道上共有8颗行星环绕单一恒星。至今,没有其它星系被发现超过8颗行星,所以我猜想,我们太阳系与Kepler-90星系暂居榜首啦!想了解更多,请点这里。

2. 不必用奇怪的方法写程式

我爱上了TensorFlow Eager。

如果您过去曾使用过TensorFlow,并因它迫使您写程式像个学者或外星人,而不像一个专业的程式开发者,所以尖叫地跑走。记得赶~快~回~来~喔!

TensorFlow 的eager execution,让您就像个纯粹的Python 工程师般,与TensorFlow 互动。能直接一行接着一行,流畅地写程式、除错,而不是屏住呼吸,小心翼翼地建构那些巨大的图。我自己这几年恢复在大学担学讲师(并且很可能是个外星人),但自TensorFlow 的eager execution 发布以来,我就爱上它了!

您可以一行接着一行建构神经网路

3. 您可以一行接着一行建构神经网路

Keras + TensorFlow = 更容易建构神经网路!

Keras自发布以来,一直都因着使用者亲和性及易于产生原型,受用户喜爱。而这两点一直是旧版的TensorFlow,非常渴望拥有的特点。如果您喜欢物件导向的思维,并且喜爱一次一层地建构神经网路,那您将会爱上tf.keras。下图中,仅仅几行程式码,我们已创造一个序列的神经网路,同时包括了如dropout这样的标准配件。(记得提醒我,改天要眉飞色舞地说说我对dropout的比喻,它们包括了订书机和流感。)

Keras + TensorFlow

噢,你喜欢谜题,对吗?保持耐心,不要一直去想订书机喔!

4. 不再只有Python

好吧,我知道您已好一阵子抱怨TensorFlow 对Python 单一的狂热,对吧!好消息是,TensorFlow 不再只给Python 爱好者使用,现在,它也支援许多其它的程式语言,从R 语言到Swift 再到JavaScript。

TensorFlow也支持许多其它的程式语言,从R 语言到Swift 再到JavaScript

5. 使用者可在浏览器内训练并执行模型

说到JavaScript,您可运用TensorFlow.js,在浏览器内训练并执行模型。好好地研究这段酷炫的demo吧!当您回来时,我仍在这里等您喔!

运用TensorFlow.js,在浏览器内进行即时人体姿势评断。请开启您电脑上的摄影机进行一段demo,或着不要离开您的椅子,¯\_(ツ)_/¯,由您决定。
运用TensorFlow.js,在浏览器内进行即时人体姿势评断。请开启您电脑上的摄影机进行一段demo,或着不要离开您的椅子,¯\_(ツ)_/¯,由您决定。

6. 针对微小的设备,TensorFlow 有轻量化版本。

从博物馆得到一台年久失修的桌上型电脑?烤面包机?(同样的东西?)TensorFlow Lite让模型可在多样装置上执行,包括行动装置、物联网装置⋯⋯等等,在推论速度上,比原本的TensorFlow快了三倍以上。是的,现在您可在Raspberry Pi或您的手机上,进行机器学习。在这段讲座(YouTube 视频)中,讲者劳伦斯做了一件勇敢的事,就是当着数千人的面,在Android模拟器上,现场展示影像分类,而且⋯⋯成功了!

1.6 秒完成运算?有!超过97% 的可能性是香蕉?有!卫生纸?嗯,在我去过的几个国家,劳伦斯手上拿着的那张纸,我想应该算吧!
1.6 秒完成运算?有!超过97% 的可能性是香蕉?有!卫生纸?嗯,在我去过的几个国家,劳伦斯手上拿着的那张纸,我想应该算吧!

7. 特制的硬体效能更佳

如果您已厌倦等候CPU将资料处理完毕,以训练您的神经网路,现在,您可以取得搭载了Cloud TPU,专门设计用来处理大量资料的硬体。TPU的T,意指「张量(Tensor)」,跟TensorFlow的Tensor有一样的意思。巧合吗?我认为不是!几周前,Google宣布第三版的TPU,目前发展到预览版本。

cloud TPU

8. 新的资料工作流程有显著改善

您正运用numpy做些什么呢?假设,您想要在TensorFlow中运用numpy,然后立刻退出,现在TF.data namespace使您在TensorFlow中的输入处理,更容易表达且更有效率。Tf.data给您快速、弹性及容易使用(YouTube 视频)的资料工作流程,并且与训练同步。

9. 您不需从头开始

您知道一种展开机器学习的枯燥无味的方式吗?那就是在您的编辑器中,显示一个完全空白的新页面,并且根本没有范例程式码。现在,有了TensorFlow Hub 的帮助,您可加入一项经过改良、更有效率的历史悠久传统,这项传统就是取用某人的程式码,然后称它为自己的(又被称作「职业软体工程」)。

TensorFlow Hub

TensorFlow Hub是个针对可重复使用、预先训练好的机器学习模型元件的套件库,并将这些模型元件打包好,让使用者进行单线重复使用。所以,自己来吧!

当我们正进行到社群和不要独自挣扎地学习这个主题,您可能会想知道,TensorFlow恰好有了官方的YouTube频道部落格

这是我摘要的总结。所以,以下是完整的讲座,好好享受接下来的42 分钟!

本文转载自medium,原文地址(需要科学上网)