易八达全球华人第一资讯门户网站-

  • 纽约
  • 旧金山
  • 芝加哥
  • 西雅图
  • 洛杉矶
  • 终于来了,TensorFlow 新增官方 Windows 支持

    2016-11-29 19:48:00 来源: 机器之心

    选自Google Developers Blog

    机器之心编译

    参与:李泽南


    昨日,Google Brain 工程师团队宣布在 TensorFlow 0.12 中加入初步的 Windows 支持。




    TensorFlow 宣布开源刚刚过去一年。在谷歌的支持下,TensorFlow 已成为 GitHub 上最受欢迎的机器学习开源项目。同时,谷歌也在 TensorFlow 框架中进行过各类研究、开源了其中一些项目,这些研究涉及到自然语言处理、机器翻译、图像描述、图像分类等等。


    谷歌在开发者博客上写到:「原生的 Windows 版 TensorFlow 是自开源以来,我们工作的重中之重。尽管 Windows 的用户们已经可以在 Docker 容器中运行 TensorFlow 了,我们仍然希望提供更加完整的原生体验,包括对于 GPU 的支持。」


    随着 TensorFlow r0.12 版的发布,这一开源软件库现已支持 Windows7、10 和 Server 2016。同时,这一新版本可以让用户在 TensorFlow 训练中得到 CUDA 8 的 GPU 加速。我们已将新版本在 PyPI 中封装成型。现在你可以使用命令 C:> pip install tensorflow 安装 TensorFlow 了。


    GPU 支持的命令:C:> pip install tensorflow-gpu


    有关 TensorFlow Windows 支持的更多细节请阅读 r0.12 的版本注释。


    pypi 地址:

    https://pypi.python.org/pypi/tensorflow


    TensorFlow Release 0.12.0 地址:

    https://github.com/tensorflow/tensorflow/releases


    主要特性和提升:


    • TensorFlow 现在可以在 Microsoft Windows 中开发和运行了(已知在 Windows 10、Windows 7、Windows Server 2016 中运行良好)。支持的语言包括 Python(通过 pip package)和 C++。支持 CUDA 8.0 和 cuDNN5.1  GPU 加速。目前已知的限制有:现在无法加载自定义指令库(custom op library)。不支持 CGS 和 HDFS 文件系统。

      下列指令无法实现:DepthwiseConv2dNative, DepthwiseConv2dNativeBackpropFilter, DepthwiseConv2dNativeBackpropInput, Dequantize, Digamma, Erf, Erfc, Igamma, Igammac, Lgamma, Polygamma, QuantizeAndDequantize, QuantizedAvgPool, QuantizedBatchNomWithGlobalNormalization, QuantizedBiasAdd, QuantizedConcat, QuantizedConv2D, QuantizedMatmul, QuantizedMaxPool, QuantizeDownAndShrinkRange, QuantizedRelu, QuantizedRelu6, QuantizedReshape, QuantizeV2, RequantizationRange, 和 Requantize。


    • Go:Go 中的实验 API 可以创建和执行图表(https://godoc.org/github.com/tensorflow/tensorflow/tensorflow/go)


    • 新的 checkpoint 格式现在是 tf.train.Saver 中的默认值。旧 V1 chekpoint 仍然可读; 由 write_version 参数控制,tf.train.Saver 现在默认写入新的 V2 格式。这种方式显著降低了恢复期间所需的内存峰值,同时降低了延迟。


    • 为无矩阵(迭代)解算器增加了新的库,支持 tensorflow/contrib/solvers 中的线性方程、线性最小二乘法,特征值和奇异值。最初的版本具有 lanczos 双对角化(bidiagonalization)、共轭梯度和 CGLS。


    • 为 matrix_solve_ls 和 self_adjoint_eig 增加了梯度。


    • 对原有内容进行了大量清理,为具有 C ++梯度的运算添加二阶梯度,并改进现有梯度,使大多数运算现在可以多次微分。


    • 增加了常微分方程的求解器:tf.contrib.integrate.odeint。


    • 用于具有命名轴的张量的新 contrib 模块,tf.contrib.labeled_tensor。


    • TensorBoard 中嵌入(embedding)的可视化。


    主要 API 改进


    • BusAdjacency 枚举被协议缓冲 DeviceLocality 代替。总线索引现在从 1 而不是 0 开始,同时,使用 bus_id==0,之前为 BUS_ANY。


    • Env::FileExists 和 FileSystem::FileExists 现在返回 tensorflow::Status 而不是一个 bool。任何此函数的调用者都可以通过向调用添加.ok()将返回转换为 bool。


    • C API:TF_SessionWithGraph 类型更名为 TF_Session,其在 TensorFlow 的绑定语言中成为首选。原来的 TF_Session 已更名为 TF_DeprecatedSession。


    • C API: TF_Port 被更名为 TF_Output。


    • C API: 调用者保留提供给 TF_Run、 TF_SessionRun、TF_SetAttrTensor 等的 TF_Tensor 对象的所有权。


    • 将 tf.image.per_image_whitening() 更名为 tf.image.per_image_standardization()。


    • 将 Summary protobuf 构造函数移动到了 tf.summary 子模块。


    • 不再使用 histogram_summary、audio_summary、 scalar_summary,image_summary、merge_summary 和 merge_all_summaries。


    • 组合 batch_ *和常规版本的线性代数和 FFT 运算。常规运算现在也处理批处理。所有 batch_ * Python 接口已删除。


    • tf.all_variables,tf.VARIABLES 和 tf.initialize_all_variables 更名为 tf.global_variables,tf.GLOBAL_VARIABLES 和 tf.global_variable_initializers respectively。


    Bug 修复和其他的变化


    • 使用线程安全版本的 lgamma 函数。


    • 修复 tf.sqrt 负参数。


    • 修正了导致用于多线程基准的线程数不正确的错误。


    • 多核 CPU 上 batch_matmul 的性能优化。


    • 改进 trace,matrix_set_diag,matrix_diag_part 和它们的梯度,适用于矩形矩阵。


    • 支持复值矩阵的 SVD。



    本文选自 Google Developers Blog:https://developers.googleblog.com/2016/11/tensorflow-0-12-adds-support-for-windows.html



    ©本文为机器之心编译文章,转载请联系本公众号获得授权

    ✄------------------------------------------------

    加入机器之心(全职记者/实习生):hr@almosthuman.cn

    投稿或寻求报道:editor@almosthuman.cn

    广告&商务合作:bd@almosthuman.cn


    来源: 机器之心
    您需要登录后才可以发布评论 登录 | 会员注册
    最新评论

      免责声明

      (1) 本网站中的文章(包括转贴文章)的版权仅归原作者所有,若作者有版权声明的或文章从其它网站转载而附带有原所有站的版权声明者,其版权归属以附带声明为准;文章仅代表作者本人的观点,与本网站立场无关;

      (2) 任何单位或个人认为本站内容可能涉嫌侵犯其合法权益,应该及时向本站书面反馈,并提供身份证明、权属证明及详细情况证明,本站在收到上述文件后将会尽快移除相关内容。

      Web Analytics
      Real Time Analytics