谷歌舉行首屆TensorFlow開發者大會：TensorFlow 1.0正式出爐

吳攀發表於2017-02-16
谷歌

TensorFlow 釋出一年以來已經幫助研究者、工程師、藝術家、學生等等許多人在語言翻譯、皮膚癌早期檢測和預防糖尿病致失明等許多方面取得了許多進展。如今，在網上已經有超過 6000 個使用 TensorFlow 的開源軟體庫和專案了。


今天，在山景城召開了第一屆年度 TensorFlow 開發者大會（TensorFlow Developer Summit），本次盛會也已經在 YouTube 上開啟了直播。在本次大會上，谷歌也正式宣佈釋出 TensorFlow 1.0 正式版。


儘管在 TensorFlow 1.0.0-alpha 釋出的時候我們就預期到了本次大會上正式版的到來，但 TensorFlow 1.0 仍有一些值得我們關注的亮點（以下內容來自谷歌開發者部落格）：


  • 速度更快：TensorFlow 1.0 快得讓人難以置信！XLA 更為未來進一步的效能提升奠定了基礎，而且 tensorflow.org 上現在也已經包含了幫助指導你調整你的模型以使其達到最大速度的技巧和訣竅。我們將會很快釋出幾種流行的模型的新實現，以表明我們可以如何充分利用 TensorFlow 1.0——包括在 8 個 GPU 上給 Inception v3 帶來的 7.3 倍的速度提升和在 64 個 GPU 上為分散式 Inception v3 訓練所帶來的 58 倍速度提升！

  • 靈活性更高：TensorFlow 1.0 引入了一個高層面的 API，帶有 tf.layers、tf.metrics 和 tf.losses 模組。我們還宣佈包含進了一個新的 tf.keras 模組，提供了與另一個流行的高階神經網路庫 Keras 的完全相容。

  • 比以往任何時候都更適合生產：TensorFlow 1.0 保證了 Python API 的穩定性，使得你可以在無需擔憂破壞你現有程式碼的情況下更容易地獲取新功能。


TensorFlow 1.0 的其它亮點：


  • Python API 已改為更類似於 NumPy 的樣子。為了應用這種和其它的為了支援 API 穩定性所做的後端相容修改，請參考我們好用的移植指南（https://tensorflow.org/install/migration）和轉換指令碼（https://github.com/tensorflow/tensorflow/tree/r1.0/tensorflow/tools/compatibility）

  • 支援 Java 和 Go 的實驗性 API

  • 在整合了 skflow 和 TF Slim 後從 tf.contrib.learn 帶來的高階 API 模組：tf.layers、tf.metrics 和 tf.losses

  • XLA 的實驗性發布，這是一個用於 TensorFlow 圖的特定領域的編譯器，其面向 CPU 和 GPU。XLA 正在快速進化——在未來的版本中有望見證更多改進

  • 引入 TensorFlow Debugger (tfdbg)，這是一個用於除錯實時 TensorFlow 程式的介面和 API。

  • 新的關於目標檢測和定位、基於相機的影像風格化的 Android 演示

  • 安裝提升：加入 Python 3 docker images，TensorFlow pip 包現在已相容 PyPI。這意味著現在可以透過簡單的呼叫 pip install tensorflow 來實現安裝。


在此屆的 TensorFlow 開發者大會上，除了宣佈釋出 TensorFlow 1.0 正式版之外，還有許多其他亮點。其中一些演講的影片已經公開，一些演講正在進行中。


主題演講（Keynote）


在開發者大會上，谷歌的 Jeff Dean、Rajat Monga 和 Megan Kacholia 做了主題演講，他們討論了 TensorFlow 的起源、開源之後的發展、TensorFlow 對社群繁榮作出的貢獻、TensorFlow 的表現與延展性、TensorFlow 在全球的應用等。當然，也包括一些激動人心的訊息的公佈，比如 TensorFlow 1.0 的釋出。


<embed>


除了 Keynote 之外，還有許多精彩的演講影片已經公開。這些演講涉及到 TensorFlow 的方方面面：高層次的 API、應用（癌症影像分類）、分散式 TensorFlow 等。


其中講解應用 TensorFlow 進行癌症影像分類的是史丹佛 Thrun 實驗室的研究生 Brett Kuprel。該實驗室的研究者成功訓練了一個可以診斷皮膚癌的演算法，相關論文《Dermatologist-level classification of skin cancer with deep neural networks》已經發表在 Nature 上，併成為了封面文章。


<embed>


以下為其他演講的簡介與影片觀看連結：


XLA: TensorFlow, Compiled!



簡介：對於有效的機器學習而言，速度就是一切，XLA 就是為減少訓練和推理時間而生的。在這個演講中，Chris Leary 和 Todd Wang 描述了 TensorFlow 使用 XLA、JIT、AOT 和其它編譯技術可以如何最小化執行時間和最大化地利用計算資源。


上手 TensorBoard（Hands-on TensorBoard）



簡介：Dandelion Mane 的這個演講展示了所有你可以使用 TensorBoard 做到的驚人的事情。你將學會如何視覺化你的 TensorFlow Graph、監控你的訓練表現以及探索你的模型表徵你的資料的方式。


TensorFlow 高階 API（TensorFlow High-Level API）



簡介：TensorFlow 能讓你使用高階與低階抽象定義模型。在此演講中，Martin Wicke 將會介紹定義模型的層、評估器和 Canned Estimators，也會演示核心 TensorFlow 中的延展線路。


整合 Keras 和 TensorFlow：擴充套件 Keras 工作流（Integrating Keras & TensorFlow: The Keras Workflow, Expanded）



簡介：Keras 的目標是讓每個人都能用上深度學習，它也是增長最快的機器學習框架之一。Keras 的主要作者 Join Francois Chollet 透過一個影片問答案例演示了可以如何在 TensorFlow 之中使用 Keras。


TensorFlow at DeepMind



簡介：在這個演講中，來自 DeepMind 的 Daniel Visentin 談論了 DeepMind 和 TensorFlow。他將解釋選擇一個平臺的重要性，該團隊的選擇是遷移到 TensorFlow，並還給出了一些 DeepMind 使用 TensorFlow 的例子。


皮膚癌影像分類（Skin Cancer Image Classification）



簡介：Join Brett Kuprel 介紹了史丹佛大學的人工智慧實驗室和醫學院是如何使用 TensorFlow 來分類皮膚癌影像的。他描述了該專案的步驟：從獲取資料集、訓練深度網路到評估結果。最後，Brett 還將談論皮膚癌影像分類的未來。


移動和嵌入式 TensorFlow（Mobile and Embedded TensorFlow）



簡介：你知道 TensorFlow 模型可以在 iOS、安卓、甚至是樹莓派上部署嗎？在這個演講中，Peter Warden 會講解在這些上面部署 TensorFlow 模型所需要的所有東西，途中也會提供一些金點子。


分散式 TensorFlow（Distributed TensorFlow）



簡介：TensorFlow 有很大的靈活性——可以擴充套件到數百個 GPU、訓練帶有大量引數的模型和自定義訓練過程的每個細節。在這個演講中，Derek Murray 將給你一個自底向上的關於分散式 TensorFlow 的介紹，並展示了所有可以用來利用這種力量的工具。


TensorFlow 生態系統：整合 TensorFlow 和你的基礎設施（TensorFlow Ecosystem: Integrating TensorFlow with Your Infrastructure）



簡介：生成輸入資料、執行分散式 TensorFlow 訓練和伺服器模型都涉及到其他基礎設施元件。Jonathan Hseu 將描述每個步驟之間的融合。


在生產中使用 TensorFlow Serving 的 Serving 模型（Serving Models in Production with TensorFlow Serving）



簡介：serving 是指在你的應用中使用一個訓練好的模型的過程。在這個演講中，Noah Fiedel 介紹了 TensorFlow Serving——一個為生產環境設計的靈活且高效能的機器學習 serving 系統。


機器學習工具包（ML Toolkit）



簡介：TensorFlow 是一個非常強大的框架，然而也一直以來都缺乏可以即時使用的解決方案。在這演講中，Ashish Agarwal 將介紹一個向這個方面邁出了前進的一步的演算法工具包。


以上就是目前已經公開的演講影片內容，更多內容可在這個會議網頁檢視：https://events.withgoogle.com/tensorflow-dev-summit/videos-and-agenda/#content

相關文章