۱ دی ۱۴۰۳

Techboy

اخبار و اطلاعات روز تکنولوژی

TensorFlow 2.10 در Keras، Decision Forests می درخشد

به‌روزرسانی پلتفرم یادگیری ماشین منبع باز Google، بهبود Keras، بهبود عملکرد و TensorFlow Decision Forests 1.0 را به همراه دارد.

به‌روزرسانی پلتفرم یادگیری ماشین منبع باز Google، بهبود Keras، بهبود عملکرد و TensorFlow Decision Forests 1.0 را به همراه دارد.

TensorFlow 2.10، ارتقاء یافته به پلتفرم یادگیری ماشین منبع باز توسعه یافته توسط Google، منتشر شده است که ویژگی های کاربرپسند جدیدی را به Keras API، بهبود عملکرد CPU aarch64 و ورود TensorFlow Decision Forests 1.0 که توسعه دهندگان اکنون آن را پایدار، بالغ و آماده برای محیط های حرفه ای توصیف می کنند.

در میان پیشرفت‌های Keras، TensorFlow 2.10 مدیریت ماسک را برای لایه‌های توجه Keras گسترش می‌دهد و یکپارچه می‌کند. دو ویژگی جدید اضافه شده است. هر سه لایه، tf.keras.layers.Attention، tf.keras.layers.AdditiveAttention< /a>، و tf .keras.layers.MultiHeadAttention، اکنون از توجه گاه به گاه (با آرگومان use_causal_mask برای تماس) و پوشش ضمنی (تنظیم mask_zero) پشتیبانی می کند. =True در tf.keras.layers.Embedding). این قابلیت‌های جدید اجرای هر مدل به سبک ترانسفورماتور را ساده می‌کند.

همچنین در TensorFlow 2.10، اولیه سازهای Keras بدون حالت و قطعی ساخته شده اند و بر روی عملیات تصادفی TF بدون حالت ساخته شده اند. هر دو مقدار اولیه Keras seeded و unseeded هر بار که فراخوانی می شوند مقادیر یکسانی را ایجاد می کنند. اولیه ساز بدون حالت به Keras کمک می کند از ویژگی های جدید مانند آموزش مدل چند مشتری با DTensor پشتیبانی کند.

دستورالعمل‌های نصب TensorFlow را می‌توانید در Tensorflow.org پیدا کنید. سایر قابلیت ها و پیشرفت های جدید در TensorFlow 2.1:

  • نقاط بازرسی BackupAndRestore جزئیات سطح مرحله را ارائه می دهند.
  • کاربران می‌توانند به راحتی یک مجموعه داده صوتی را از فهرست فایل‌های صوتی، از طریق یک ابزار جدید، keras.utils.audio_dataset_from_directory.
  • لایه EinsumDense دیگر آزمایشی نیست.
  • همراه با انتشار TensorFlow 2.10، مجموعه ای TensorFlow Decision Forests (TF-DF) از الگوریتم‌های آموزش، ارائه و تفسیر مدل‌های جنگل تصمیم به وضعیت ۱.۰ می‌رسد.
  • عملکرد پردازنده aarch64 بهبود یافته است.
  • پشتیبانی از GPU در ویندوز، از طریق افزونه TensorFlow-DirectML.
  • یک API آزمایشی، tf.data.experimental.from_list، یک tf.data.Dataset ایجاد می کند که شامل لیست داده شده از عناصر است. مجموعه داده برگشتی موارد موجود در لیست را یکی یکی تولید می کند.