БытьАвтор: команда TensorFlow
TensorFlow версии 1.4 теперь общедоступна — большое обновление! Мы очень рады объявить здесь о некоторых интересных новых функциях, надеюсь, вам понравится.
В версии 1.4 Керас изменился с
Чтобы начать работу с Keras, сначала прочитайте:
Чтобы начать работу с оценщиками, прочтите:
Мы рады сообщить, что API набора данных был изменен с
В будущем мы сосредоточим наши разработки на Dataset API, а не на устаревшем API.
Чтобы начать работу с наборами данных, прочтите:
В дополнение к описанным здесь функциям в версии 1.4 представлен ряд других улучшений,Выходные данныевводятся в .
TensorFlow версии 1.4 теперь может использовать стандартные
мы поставилиtensorflow.orgДокументация по обновлена до 1.4.
TensorFlow невозможно улучшить без участников. Большое спасибо тем, кто участвовал в разработке TensorFlowвсе! О чем вы все еще сомневаетесь? Спешите присоединиться к сообществу иGitHubразработать исходный код или помочьОтветьте на вопросы о переполнении стека, стать участником!
Мы надеемся, что вам всем понравятся все функции этого релиза.
Желаю всем удачи в программировании в TensorFlow!
TensorFlow версии 1.4 теперь общедоступна — большое обновление! Мы очень рады объявить здесь о некоторых интересных новых функциях, надеюсь, вам понравится.
Keras
В версии 1.4 Керас изменился с
tf.contrib.kerasПереход на основные пакетыtf.kerasсередина.Kerasочень популярная среда машинного обучения, она содержит множество расширенных
API,Эти API могут минимизировать время между вашей идеей и жизнеспособной реализацией.. Keras легко интегрируется с другими основными функциями TensorFlow, включая Estimator API. На самом деле, вы можете позвонитьtf.keras.estimator.model_to_estimatorфункция для построения оценщика непосредственно из любой модели Keras. Поскольку Keras теперь добавлен в ядро TensorFlow, вы можете положиться на него в своих производственных рабочих процессах.Чтобы начать работу с Keras, сначала прочитайте:
- краткое введение.
- API последовательной модели Kerasруководство.
- API функциональной модели Kerasруководство.
Чтобы начать работу с оценщиками, прочтите:
- Введение в оценщики и наборы данных TensorFlowСообщение блога.
набор данных
Мы рады сообщить, что API набора данных был изменен с
tf.contrib.dataПереход на основные пакетыtf.dataсередина. В версии 1.4 API набора данных также добавлена поддержка генераторов Python. Мы настоятельно рекомендуем использовать Dataset API для TensorFlow.
Модель создает входной конвейер, потому что:- со старым API (
feed_dictили конвейеры с очередями), API набора данных может предоставить больше функциональных возможностей. - Dataset API более эффективен.
- API набора данных чище и проще в использовании.
В будущем мы сосредоточим наши разработки на Dataset API, а не на устаревшем API.
Чтобы начать работу с наборами данных, прочтите:
- Введение в оценщики и наборы данных TensorFlowСообщение блога.
- Руководство программиста TensorFlowИмпорт данныхглава.
- Представьте следующее API набора данныхслайд-колода(с комментариями докладчика).
Распределенное обучение и оценка оценщиков
В версии 1.4 также представлены служебные функции.tf.estimator.train_and_evaluate, что упрощает обучение, оценку и экспорт моделей оценщиков. Эта функция может достигатьРаспределенное выполнение обучения и оценки, при этом поддерживая собственное выполнение.Другие улучшения
В дополнение к описанным здесь функциям в версии 1.4 представлен ряд других улучшений,Выходные данныевводятся в .
Установите TensorFlow 1.4
TensorFlow версии 1.4 теперь может использовать стандартные
pipУстановить получить.# Note: the following command will overwrite any existing TensorFlow
# installation.
$ pip install --ignore-installed --upgrade tensorflow
# Use pip for Python 2.7
# Use pip3 instead of pip for Python 3.xмы поставилиtensorflow.orgДокументация по обновлена до 1.4.
TensorFlow невозможно улучшить без участников. Большое спасибо тем, кто участвовал в разработке TensorFlowвсе! О чем вы все еще сомневаетесь? Спешите присоединиться к сообществу иGitHubразработать исходный код или помочьОтветьте на вопросы о переполнении стека, стать участником!
Мы надеемся, что вам всем понравятся все функции этого релиза.
Желаю всем удачи в программировании в TensorFlow!