TensorFlow 1.x和2.x –变更摘要

是 否 +2 论坛币

k人 参与回答

经管之家送您一份

应届毕业生专属福利!

求职就业群

赵安豆老师微信：zhaoandou666

经管之家联合CDA

送您一个全额奖学金名额~ !

立即领取

感谢您参与论坛问题回答

经管之家送您两个论坛币！

+2 论坛币

TensorFlow 1.x和2.x –变更摘要
TensorFlow 1.0与TensorFlow 2.0的更改概述
Google于今年早些时候发布了TensorFlow 2.0，这是对现有TensorFlow 1.0的重大飞跃。关键区别如下：
易于使用：删除了许多旧库（例如tf.contrib），并对其中的一些库进行了合并。例如，在TensorFlow1.x中，可以使用Contrib，图层，Keras或估算器来建立模型，因此同一任务的许多选项使许多新用户感到困惑。TensorFlow 2.0促进了TensorFlow Keras的模型实验和Estimators的扩展服务，这两个API的使用非常方便。
急切执行：在TensorFlow 1.x中。代码的编写分为两个部分：构建计算图和稍后创建一个会话以执行它。这非常麻烦，特别是如果在您设计的大型模型中，开始时存在某个小错误。TensorFlow2.0急切执行默认情况下已实现，即您不再需要创建会话来运行计算图，而无需创建Session即可直接查看代码的结果。
建立模型和部署变得容易：   借助TensorFlow2.0提供高级TensorFlow Keras API，用户在创建模型时具有更大的灵活性。可以使用Keras功能或顺序API定义模型。TensorFlow Estimator API允许您在本地主机或分布式多服务器环境上运行模型，而无需更改模型。计算图在性能方面非常强大，在TensorFlow 2.0中，您可以使用装饰器tf.function因此，以下功能块将作为单个图形运行。这是通过TensorFlow 2.0强大的Autograph功能完成的。这使用户可以优化功能并增加可移植性。最好的部分是您可以使用自然的Python语法编写函数。有效地，您可以使用装饰器tf.function将普通的Python代码转换为图形。装饰器@ tf.function紧随其后应用到功能块时，任何调用的功能通过它也将在图形模式下执行。因此，在TensorFlow 2.0中，用户应将其代码重构为较小的函数，并根据需要调用这些函数。通常，没有必要用tf.function装饰每个较小的功能；仅使用tf.function装饰高级计算-例如，训练的一个步骤或模型的前向传递。（源堆栈溢出和TF2文档）
为了扩展这个想法，在TensorFlow 1.x中，我们需要构建计算图。TensorFlow 2.0默认情况下不会构建图形。但是，正如每个机器学习工程师都知道的那样，图形对速度很有好处。TensorFlow 2.0为用户提供了使用python函数@ tf.function创建可调用图形的功能。tf.function（）将为每个唯一的输入形状和数据类型集创建一个单独的图形。在下面的示例中，我们将创建三个单独的图形，每个输入数据类型一个。
@ tf.function
def f（x）：返回tf.add（x，1.）
标量= tf.constant（1.0）
向量= tf.constant（[1.0，1.0]）
矩阵= tf.constant（[[3.0]]）
打印（f（标量））
打印（f（矢量））
打印（f（矩阵））
简化的数据管道：TensorFlow2.0有一个单独的模块TensorFlow DataSet，可用于以更优雅的方式与模型一起使用。它不仅具有大量现有数据集，还使您在尝试使用新架构时的工作变得更加轻松-它还具有定义明确的方式向其中添加数据。
在用于构建模型的TensorFlow 1.x中，我们首先需要声明占位符。这些是虚拟变量，这些变量稍后（在会话中）将用于向模型提供数据。有许多内置的API用于构建tf.contrib，tf.layers和tf.keras等层，也可以通过定义实际的数学运算来构建层。
与使用数学模块（tf.math）和线性代数（tf.linalg）模块之前一样，您可以使用TensorFlow 2.0建立定义自己的数学运算的模型。但是，您可以利用高级Keras API和tf.layers模块。重要的部分是我们不再需要定义占位符。
TensorFlow 2.0的简化概念图
TensorFlow 2.0的简化概念图如下所示
来源：https：//medium.com/tensorflow/whats-coming-in-tensorflow-2-0-d36638 ...
一些要点是：
使用data加载  数据。使用使用tf.data创建的输入管道读取训练数据。
使用TensorFlow数据集可获取各种各样的数据集以训练您的模型。
使用keras构建，训练和验证模型  ，或使用  Estimators API。
TensorFlow生态系统中的TensorFlow Hub包含大量预先训练的模型，使用标准界面，您可以从TensorFlow Hub导入任何模型并从头开始训练它，或者使用转移学习技术对其进行微调。
渴望执行即可运行和调试  ，然后使用  function来获得图形的好处。
使用分发策略进行分布式培训。对于大型ML训练任务，  Distribution Strategy API使您可以轻松地在不同的硬件配置上分发和训练模型，而无需更改模型定义。您可以将训练负载分配给一系列硬件加速器，例如CPU，GPU和TPU
尽管此API支持多种集群配置，但提供了  用于在本地  或云环境中的Kubernetes集群上部署培训的  模板。
导出到SavedModel。TensorFlow将在SavedModel上标准化，作为TensorFlow Serving，TensorFlow Lite，TensorFlow.js，TensorFlow Hub等的交换格式。
训练并保存模型后，您可以在应用程序中直接执行它，也可以使用以下部署库之一提供服务：TensorFlow Serving：一个TensorFlow库，允许通过HTTP / REST或gRPC / Protocol Buffers提供模型。TensorFlow Lite：TensorFlow的轻量级移动和嵌入式设备解决方案提供了在Android，iOS和Raspberry Pi和Edge TPU等嵌入式系统上部署模型的功能。js：允许在JavaScript环境中（例如，通过Node.js在Web浏览器或服务器端）部署模型。TensorFlow.js还支持使用JavaScript定义模型并使用类似Keras的API在Web浏览器中直接进行训练。
以上部分改编自https：//medium.com/tensorflow/whats-coming-in-tensorflow-2-0-d36638 ...
观察结果
一方面，Tensorflow 2.0并不新鲜。可能是因为即使在Tensorflow 1.0时代，几乎每个人都在使用keras!。Keras现在是Tensorflow 2.0的核心，但是Tensorflow 2.0具有更多的功能，如上所述。

关注 CDA人工智能学院 ，回复“录播”获取更多人工智能精选直播视频！

扫码加我 拉你入群

请注明：姓名-公司-职位

以便审核进群资格，未注明则拒绝

分享0 收藏0 回帖

关键词：Tensor flow SOR LOW ten