TensorFlow 1.0と新世代のInceptionニューラルネットワークモデルは、Qualcomm Snapdradon 820モバイルプロセッサのHexagon DSPのハードウェアアクセラレーションをサポートしています。Prismやマシンビジョンプログラムなどのアプリケーションの速度は8倍以上、消費電力は4倍減少します。 ニューラルネットワークのフィルターをほぼリアルタイムでビデオに適用できます最初の
TensorFlow Dev Summit開発者
会議で 、Googleは
TensorFlow 1.0ライブラリのメジャーリリースを
発表しました。これは以前のバージョンと後方互換性がありません。 つまり、TensorFlow 0.nのバージョンで実行されているプログラムは、TensorFlow 1.0のバージョンでは動作しない可能性があります。 Googleの開発者は、「内部的に一貫したプログラミングインターフェースを確保するために」APIの変更が必要であり、これは二度と起こらないと述べています。 現在、開発者は
移行ガイドを検討し
、 変換にスクリプトを使用することをお勧めします。
TensorFlowは、さまざまな種類の言語認識および理解タスクに適用される機械学習用のフリーソフトウェアライブラリです。 現時点では、Google Search、Gmail、Photos、Youtube、Translate、Assistant、音声認識を含むあらゆる種類の認識システムを含む研究および多数の商用Google製品で使用されています。
TensorFlow 1.0のリリースに関するその他の革新：
- Python APIは、NumPyにより類似するように変更されました。 これは、下位互換性の破壊に関連する変更の1つです。
- JavaおよびGo用の実験的インターフェース。
- skflowとTF Slimをマージした後、 tf.contrib.learnの上にある高レベルの
tf.layers 、 tf.metricsおよびtf.losses 。 - CPUとGPUで動作する、グラフ用のTensorFlowグラフ依存コンパイラであるXLAの実験的リリース。 このコンパイラは急速に開発されているので、すぐに新しいリリースを期待できます。
- 実行中のTensorFlowプログラムをデバッグするためのコマンドラインインターフェイスとAPIを備えたTensorFlowデバッガー（ tfdbg ）の外観。
- TensorFlowを使用したAndroidアプリケーションの例を含むAndroidの新しいデモ 。
- インストール手順の改善：Python 3ドッカーイメージが追加され、TensorFlow pipパッケージがPyPIと互換性を持つようになりました。つまり、TensorFlowは単純な
pip install tensorflow 。
これで、
TensorFlow機械学習
フレームワークは新しいレベルに到達しました。本番環境で公式に使用する準備が整いました。 Googleは、現在、APIが「これまで以上に」生産準備完了状態にあると述べています。
Gmailのニューラルネットワークを使用して、コンテキスト分析（回答する着信文字のテキスト）を使用して、文字に対する自動短い応答を作成します。TensorFlowライブラリは、当初、社内のニーズに合わせてGoogle Brainリサーチユニットの専門家によって開発されましたが、2015年11月に無料のApache 2.0ライセンスの下でリリースされました。 TensorFlowの前身であるGoogleは、第一世代の独自システムであるDistBeliefでした。 後に、DistBeliefは、
Jeff Deanや
Jeffrey Hintonなど、DistBeliefコードベースのリファクタリングと簡素化に取り組みました。 彼らは、より高速で信頼性の高いライブラリを準備し、多くの実際のアプリケーションで使用する準備をしなければなりませんでした。 この作業の結果はTensorFlowでした。
2016年に、開発者はTensorFlowのパフォーマンスの改善に焦点を合わせました。たとえば、多次元グラフはより少ないメモリスペースを占有し始めました。
GoogleのTensorFlowリファレンス実装は、CPUとGPUで実行されます。 GPUでは、GPGPUのオプションのCUDA拡張機能を使用して、一般的なコンピューティングアプリケーションでの計算が可能です。 TensorFlowは、Linux、Windows、およびMac OS X 64ビットサーバーとデスクトップコンピューター、およびAndroidやiOSなどのモバイルプラットフォームで実行されます。
TensorFlowの計算は、データストリームのステートフルグラフとして表されます。 Googleのアルゴリズムライブラリは、人のような情報と理由を知覚するようにニューラルネットワークに指示するため、新しいアプリケーションには最初はそのような「人間」の性質があります。 TensorFlowという名前自体は、これらのニューラルネットワークが多次元データ配列に対して実行する操作の名前に由来しています。 これらの多次元配列は、同じ名前の数学オブジェクトとして「テンソル」と呼ばれ、ある線形空間の要素を別の線形空間の要素に線形変換します。 TensorFlowの目標は、ニューラルネットワークにデータ配列のパターンと相関を検出および認識させることです。
非線形次元削減のための多次元空間の可視化とt-SNE手法と多次元変数の可視化（t分布確率的近傍埋め込み）Githubの統計によると、このような生データを使用することで、TensorFlowオープンライブラリが機械学習の事実上の標準になりました。
機械学習の楽しみはすべて始まったばかりです。 Googleは間もなく、ニューラルネットワーク
Inceptionのアーキテクチャの新しいモデルをオープンアクセスで公開することを約束します。 この革新的な開発により、TensorFlowの作業が何度も加速されます。
TensorFlowは、Hexagonデジタルシグナルプロセッサでハードウェアアクセラレーションをサポートするようになりました。 このDSPは、最新のトップエンドスマートフォンを搭載したQualcomm Snapdradon 820チップシステムの一部です。
TensorFlow 1.0ライブラリは、Java API、デバッガー、およびその他のツールと一緒になって、最新のソフトウェアを開発するための強力で高度なプラットフォームになります。