Fork me on GitHub

谷歌TF2.0凌晨发布!“改变一切,力压PyTorch”

  问耕 发自 凹非寺
  量子位 出品 公众号 QbitAI

  TensorFlow 2.0 终于来了!

  今天凌晨,这个全球用户最多的深度学习框架,正式放出了 2.0 版本。

  Google 深度学习科学家、Keras 作者 François Chollet 热情的表示:“TensorFlow 2.0 是一个来自未来的机器学习平台,它改变了一切”。

  不少网友表示,TensorFlow 2.0 比 PyTorch 更好用,已经准备全面转向这个新升级的深度学习框架了。

  更易用的 TF2.0

  尽管是排名第一的深度学习框架,但 TensorFlow 的缺点也一直非常明显。官方对此也心知肚明,因此在今早发布的博客中写道:

  ”TensorFlow 2.0 由用户社区推动,告诉我们他们想要一个易于使用、灵活又强大的平台,并且支持部署到任何地方。“

  那么 TF2.0 有什么改进?

  一、Keras 与 TensorFlow 紧密集成,默认 eager execution,执行 Pythonic 函数。官方表示,对开发者来说,TensorFlow 2.0 用起来跟 Python 差不多;对于研究者来说,新框架也在低级 API 方面进行了重点投入。

  二、为了在各种平台上运行,SavedModel 文件格式进行了标准化。

  三、针对高性能训练场景,可以使用 Distribution Strategy API 进行分布训练,且只需进行少量代码修改就能获得出色的性能。支持 Keras Model.fit、自定义训练循环、多 GPU 等等。

  四、TensorFlow 2.0 提高了在 GPU 上的性能表现。以 ResNet-50 和 BERT 为例,只需要几行代码,混合精度使用 Volta 和 Turing GPU,训练表现最高可以提升 3 倍。

  五、新增 TensorFlow Datasets,为包含大量数据类型的大型数据集提供了标准接口。

  六、虽然保留了传统的基于 Session 的编程模型,但官方现在建议使用 eager execution 进行常规的 Python 开发。tf.function 装饰器可以把代码转换成可以远程执行、序列化、性能优化的图。在 Autograph 的帮助下,能把常规的 Python 控制流直接转成 TensorFlow 控制流。

  七、官方提供了 TensorFlow 1.x 升级 2.0 的迁移指南,TF2.0 还有一个自动转换的脚本。

  八、TensorFlow 2.0 提供了易用的 API,能够灵活快速的实现新想法。模型的训练和 serving 也已经无缝集成在基础架构中。

  更多关于 TensorFlow 2.0 的信息,可以>

  访问官网:

  https://www.tensorflow.org/

  GitHub:

  https://github.com/tensorflow/tensorflow/releases/tag/v2.0.0

  这还有一段官方介绍视频:

  “改变一切,力压 PyTorch”

  TensorFlow 2.0 发布之后,引发了广泛的讨论和关注。

  Google 深度学习科学家、Keras 作者 François Chollet 热情的表示,TensorFlow 2.0 是一个来自未来的机器学习平台,它改变了一切。

  现在 GitHub 上排名第一的 NLP 机器学习课程 practicalAI 的作者、苹果公司 AI 研究员 Goku Mohandas 在推特上说,他们正在从 PyTorch 转向 TensorFlow 2.0。

  用户 Francois Piednoel 留言表示,他已经体验了 TF2.0 一整周,他给出同样的结论:TF2.0 现在已经力压 PyTorch 一手了。

  深度学习研究和教育者、fast.ai 创始人 Jeremy Howard 也称赞 TF2.0 的发布是”令人兴奋的一步,与 TensorFlow 一代相比是一个巨大的飞跃“。

  当然,至于实际怎么样,还得大家亲自体验了。

  为了迎接新版的发布,TensorFlow 团队的 Josh Gordon,还整理了一份学习资源。

  1、Deep Learning with Python

  TF2.0 基于 Keras。如果你是一个深度学习新手,最好从这本书入手。当然这本书里的代码需要改一下,但非常简单:

import keras -> from tensorflow import keras

  这本书地址在此:

  https://github.com/fchollet/deep-learning-with-python-notebooks

  2、Hands-on ML 第二版

  这本书非常棒,可以带你更深入 TF2.0,记得要看第二版。

  这本书地址在此:

  https://github.com/ageron/handson-ml2

  3、AppliedML

  如果你喜欢看视频,这有一个深入 scikit-learn 和机器学习的内容,免费。这套课程名叫 AppliedML,YouTube 上的地址在此:

  https://www.youtube.com/channel/UCMEXgDffQy6nS2a74Gby8ZA/videos

  4、官方教程

  最后,推荐最新的 TF2.0 入门教程。地址:

  tensorflow.org/tutorials/

  安装 TF2.0

  TensorFlow 2.0 支持如下的 64 位操作系统:

  • Ubuntu 16.04 or later
  • macOS 10.12.6 (Sierra) or later (no GPU support)
  • Windows 7 or later
  • Raspbian 9.0 or later

  下载安装包:使用 Python 的 pip 安装,版本需要 19.0 之后。

  当然……不安装也能用,因为还有一个神器:

  Google Colab。

  好了,最后祝大家节日快乐!

来自:
量子位(ID:QbitAI)

作者:Johnson
原创文章,版权所有,转载请保留原文链接。