Ontem, 30 de setembro, o Google anunciou o lançamento do lançamento final do TensorFlow 2.0.
“O TensorFlow 2.0 é de código aberto e é suportado por uma comunidade que diz que precisa de uma plataforma fácil de usar, flexível e poderosa que possa ser implantada em qualquer plataforma. O TensorFlow 2.0 fornece um extenso ecossistema de ferramentas para desenvolvedores, empresas e pesquisadores que desejam usar a mais recente tecnologia de aprendizado de máquina e criar aplicativos escaláveis de ML. ” - diz o blog Tensorflow na plataforma Média.
O TensorFlow 2.0 possui várias alterações que tornam os usuários do TensorFlow mais produtivos. O TensorFlow 2.0 removeu APIs redundantes, após o que as APIs se tornaram mais consistentes (RNNs unificadas, otimizadores unificados) e se integraram melhor ao tempo de execução do Python, com a execução ansiosa.
No TensorFlow 1.X, os usuários eram solicitados a montar manualmente uma árvore de sintaxe abstrata (gráfico) executando tf. * Solicitações de API. Os usuários devem compilar manualmente a árvore de sintaxe abstrata, passando o conjunto de tensores de saída e entrada para a chamada session.run (). O TensorFlow 2.0 é executado imediatamente (como o Python geralmente faz) e no 2.0, gráficos e sessões devem ser considerados detalhes de implementação.
O TensorFlow 1.X era fortemente dependente de namespaces globais implícitos. Quando você chamou tf.Variable (), ele foi colocado no gráfico por padrão e permaneceu lá, mesmo que você perdesse o controle da variável Python apontando para ela. Em seguida, você pode restaurar essa variável, mas apenas se você souber o nome com o qual ela foi criada. Era difícil de fazer se você não controlasse a criação de variáveis.
Chamar session.run () é quase como chamar uma função: você define a entrada, a função é chamada e você obtém um conjunto de resultados. No TensorFlow 2.0, você pode decorar uma função Python usando tf.function () para marcá-la na compilação JIT, para que o TensorFlow a execute como um único gráfico (Funções 2.0 RFC).
Baseado em:
-
A espera acabou - TensorFlow 2.0 lançado!-
TensorFlow eficaz 2.0