首页 聚焦 舆情 人文 政务 产经 财富

财富

旗下栏目:

为一系列能够在智能手机级别的硬件上运行机器

来源:http://www.baidu.com/ 作者:佚名 人气: 发布时间:2018-11-29
摘要:在智能手机上运行深度学习应用程序,简直不可思议。智能手机终将成为PC一样的基础设施,谁来取代我的iPhone成为下一个“iPhone”呢Version不仅改进了TensorFlow库中的机器学习功能,而且

在智能手机上运行深度学习应用程序,简直不可思议。智能手机终将成为PC一样的基础设施,谁来取代我的iPhone成为下一个“iPhone”呢

Version不仅改进了 TensorFlow 库中的机器学习功能,而且对和用户开放了 TensorFlow 开发,并且提升了 debugging。新版本中,一个对 TensorFlow 的计算进行了优化的新编译器,为一系列能够在智能手机级别的硬件上运行机器学习应用程序打开了大门。

鉴于是开发和运行机器学习应用最大的平台之一,TensorFlow比较正确的做法是专注于提升与的交互。TensorFlowAPI 已经得到升级,TensorFlow所使用的语法和 metaphorsPython,在二者之间提供更好的一致性。

坏消息是,这些改变肯定会破坏已有的应用。Tensorflow 的开发者已经发布了一个script,用于将旧的 TensorFlowscripts 升级到新的格式,这一script并不是万能的,你可能仍需要手动调整scripts。

TensorFlowPythonDocker 镜像中使用,对于所有Python用户,TensorFlow现在可以通过的本地软件包管理器来安装。最后这一点在提高TensorFlow的通用性上迈出了一大步,特别是对于那些使用股票分布,而不是专门针对数据科学(如Anaconda)的应用。

Java是机器学习的另一个主要语言平台,TensorFlow 并没有Java绑定。TensorFlow API,但它远远不够完整,并且随时可以改变,你需要能够在LinuxMacOS 上从源代码构建 TensorFlow。 (考虑这些深入的发现,TensorFlow的 Windows 端口仍然是一个二等公民。)

也许 TensorFlow ,而是用于TensorFlow计算中的线性代数的实验编译器

加速线性代数。它通过生成可以在CPU或GPU上运行的机器代码来加速某些数学运算。现在,XLA只支持Nvidia GPU,但这与GPU支持机器学习应用程序的一般性质是一致的。

XLA 还提高了TensorFlow的可移植性,使现有的TensorFlow程序可以以未经修改的方式,通过创建后端从而在新的硬件平台上运行。这些新功能部分要得益于IBM将TensorFlow支持添加到其用于机器学习的PowerAI硬件解决方案(由混合GPU和Power8 CPU支持)这件事。

TensorFlow的工程师也减少了应用程序的总体内存使用和空间占用。这些优化整体上产生了回报,但对于移动端来说,这是一个特别大的优势。以前的 TensorFlow 版本增加了对Android,iOSRaspberry硬件平台的支持,允许它在这些设备上执行图像分类等操作。

机器学习的讨论通常涉及高端硬件的驱动力:定制CPU,FPGA和云环境提供的规模。但是理论上,创建在普通的智能手机上工作、并且不需要云端或后端每时每刻的支持的机器学习模型,可以带来新的应用程序。即使这些目标没有完全实现,考虑到这项工作将为TensorFlow带来的好处,也是应该值得的努力。

为了帮助您升级现有的TensorFlow Python代码以匹配以下API更改,我们准备了一个转换脚本:

责任编辑:佚名
首页 | 聚焦 | 舆情 | 人文 | 政务 | 产经 | 财富