您当前的位置 :首页 > 新闻 >  正文
谷歌TensorFlow 2.1.0正式发布,最后支持Python 2
2020-01-12 09:28:00来源:

重要特点和改进如下:

tensorflow pip 软件包如今默认包含针对 Linux 和 Windows 的 GPU 支撑(与 tensorflow-gpu 雷同)。它可以在带有和不带有 NVIDIA GPU 的机械上运行。 tensorflow-gpu 仍然可用,对于关怀软件包大年夜小的用户,可以在 tensorflow-cpu 高低载仅 CPU 的软件包。

Windows 用户:为了应用新的 /d2ReducedOptimizeHugeFunctions 编译器标记,如今应用 Visual Studio 2019 版本 16.4 构建了正式宣布的 tensorflow Pip 法度榜样包。要应用这些新法度榜样包,必须安装 “Visual Studio 2015、2017 和 2019 的 Microsoft Visual C++ 可再发行组件”。

TensorFlow 2.1.0 正式宣布了,TensorFlow 2.1 是支撑 Python 2 的最后一个 TF 版本。

 

这不会更改在 Windows 上从源代码构建 TensorFlow 所需的最低版本,然则在没有此标记的情况下,启用 EIGEN_STRONG_INLINE 的构建可能须要跨越 48 个小时才能进行编译。

假如你的计算机上缺乏必须的 DLL,msvcp140.dll(旧)或 msvcp140_1.dll(新)之一,则导入 tensorflow 将显示警告消息。

tensorflow pip 软件包应用 CUDA 10.1 和 cuDNN 7.6 构建。

tf.keras

GPU 和 Cloud TPU 供给了对混淆精度的实验支撑。

引入了 TextVectorization 层,该层将原始字符串作为输入,并负责文本标准化、标记化、n-gram 生成和词汇索引。

对于所有类型的 Keras 模型(次序模型、功能模型和子类模型)、Cloud TPU、Cloud TPU 均可供给 Keras .compile,.fit,.evaluate 和 .predict 的实验支撑。

为云 TPU 启用了主动外部编译。这使得 tf.summary 可以更便利地与 Cloud TPU 一路应用。

Cloud TPU 支撑带有 DistributionStrategy 和 Keras 的动态批量大年夜小。

TensorFlow Model Garden 供给了很多风行模型的 Keras 参考实现。

除了 tf.data.Dataset 之外,还应用 numpy 数据在 TPU 上支撑 .fit,.evaluate,.predict。

只要在范围内构建模型,就可以将 Keras .compile .fit .evaluate 和 .predict 置于 DistributionStrategy 范围之外。

tf.data

更改 tf.data 数据集的从新编录+分发策略以进步机能。请留意,数据集的行动也略有不合,因为从新标记的数据集基数将始终是副本数的倍数。

tf.data.Dataset如今支撑在分布式情况中(包含在 TPU 容器上)主动进行数据分发和分片。

如今可以如许调剂 tf.data.Dataset 的分发策略: 1. tf.data.experimental.AutoShardPolicy(OFF, AUTO, FILE, DATA) 2. tf.data.experimental.ExternalStatePolicy(WARN, IGNORE, FAIL)

添加了情况变量 TF_DETERMINISTIC_OPS。当设置为 “true” 或 “1” 时,此情况变量使 tf.nn.bias_add 肯定性地(即可反复地)运行,但当前仅当未启用 XLA JIT 编译时才运行。这使得 Keras Conv*D 和 MaxPool*D 层在启用 CUDA 的 GPU 上运行时可肯定地在向前和向后两个偏向上运行。

看浙江新闻,关注今日浙江微信

分享到:
版权和免责申明

凡注有"今日浙江"或电头为"今日浙江"的稿件,均为今日浙江独家版权所有,未经许可不得转载或镜像;授权转载必须注明来源为"今日浙江",并保留"今日浙江"的电头。

©2016  今日浙江网  版权所有