Plan tensorflow firmy Google obejmuje lepszą agregację XLA i przetwarzanie rozproszone

Google ogłosić Kolejna iteracja rozwoju TensorFlow. TensorFlow to platforma uczenia maszynowego opracowana przez Google otwarte źródło Siedem lat temu i teraz jest to jeden z najpopularniejszych projektów na GitHub. drugi to Bitorch, platforma ML opracowana przez Facebooka, a także open source. Plan rozwoju dla kilku kolejnych wydań TensorFlow opiera się na czterech filarach: szybkim, skalowalnym uczeniu maszynowym, uczeniu maszynowym gotowym do aplikacji i prostocie.

W przypadku szybkiego i skalowalnego podłoża rozwój skupi się na montażu XLA, ponieważ Google wierzyło, że XLA stanie się standardem branżowym dla asemblerów głębokiego uczenia. Celem jest przyspieszenie ćwiczeń modelowania i wnioskowania przepływów pracy na CPU i GPU. Rozwój skupi się również na przetwarzaniu rozproszonym: z DNapinaczModele będą szkolone na wielu urządzeniach, aby w przyszłości uruchomić szkolenie i wdrażanie bardzo dużych modeli. Ważna jest również wydajność, więc Google zainwestuje w poprawę wydajności algorytmu, np. mieszana precyzja A niska rozdzielczość Podkręcanie na GPU i TPU.

W przypadku zastosowanego filaru ML Google zainwestuje w KerasCV A KerasNLP Pakiety zaprojektowane z myślą o stosowanych przypadkach użycia CV i przetwarzaniu języka naturalnego, w tym szeroka gama wstępnie wytrenowanych modeli. Ten filar będzie również opierał się na zasobach programistów: zostanie dodanych więcej przykładów kodu, przewodników i dokumentacji dla typowych i stosowanych przypadków użycia uczenia maszynowego, aby obniżyć barierę wejścia do uczenia maszynowego.

W przypadku podłoża gotowego do wdrożenia wysiłki skupią się na łatwiejszym eksporcie formularzy na urządzenia mobilne, brzegowe, serwerowe i JavaScript. W szczególności eksportuj modele do TFlite A tf.js Łatwiej będzie się z nim skontaktować. Natywne API C++ są w fazie rozwoju i łatwiej będzie wdrożyć modele opracowane za pomocą jax TensorFlow, mobilny i webowy z TF lite i TF.js.

NumPy Łatwiejszy interfejs API i doświadczenie debugowania będą kluczowymi cechami czwartego filaru: prostota. Tensorflow przyjmie interfejsy API NumPy dla liczb, aby były bardziej spójne i łatwiejsze do zrozumienia. Wdrożone zostaną lepsze możliwości debuggera, aby skrócić czas rozwiązywania problemów dla programistów.

Google obiecuje, że nowe wersje Tensorflow będą w 100% kompatybilne wstecz, dzięki czemu inżynierowie mogą natychmiast zastosować najnowsze wersje bez obawy, że istniejąca baza kodu może ulec awarii.

Podgląd nowych możliwości Tensorflow planowany jest na drugi kwartał 2023 roku, a wydania wersji produkcyjnej w tym samym roku, mapa drogowa i aktualizacje można śledzić w Oficjalny blog.