TensorFlow 2.4来了 带来了多项新特性和功能改进

TensorFlow 2.4来了 带来了多项新特性和功能改进

tf.distribute 中的新功能

Keras 更新

这些更新的目标是让 Model.fit 和自定义训练循环与优化器细节更加不相关，从而让使用者无需修改即可编写出与任何优化器共同使用的训练代码。 最后，TensorFlow 2.4 的更新还包括 Keras Functional API 内部的重构，改善了函数式模型构造所产生的内存消耗并简化了触发逻辑。这种重构可以保证 TensorFlowOpLayers 的行为可预测，并且可以使用 CompositeTensor 类型签名（type signature）。

tf.experimental.numpy

TensorFlow 2.4 引入了对 NumPy API 子集的试验性支持。该模块可以运行由 TensorFlow 加速的 NumPy 代码，由于这一 API 是基于 TensorFlow 构建的，因此可与 TensorFlow 无缝衔接，允许访问所有 TensorFlow API 并通过编译和自动矢量化提供优化后的运行。 例如，TensorFlow ND 数组可以与 NumPy 函数互通，类似地，TensorFlow NumPy 函数可以接受包括 tf.Tensor 和 np.ndarray 在内的不同类型输入。

新的性能分析工具

TensorFlow Profiler 是度量 TensorFlow 模型的训练性能和资源消耗情况的工具，用来诊断性能瓶颈，最终加快训练速度。 此前，TensorFlow Profiler 支持多 GPU 单主机训练。到了 2.4 版本，使用者可以测试 MultiWorkerMirroredStrategy 的训练工作了，比如使用采样模式 API 按需配置，并连接到 MultiWorkerMirroredStrategy 工作器正在使用的同一服务器。

GPU 支持

原文标题：TensorFlow 2.4来了：上线对分布式训练和混合精度的新功能支持

版权声明：本文内容由网络用户投稿，版权归原作者所有，本站不拥有其著作权，亦不承担相应法律责任。如果您发现本站中有涉嫌抄袭或描述失实的内容，请联系我们jiasou666@gmail.com 处理，核实后本网站将在24小时内删除侵权内容。