TensorFlow2.0主要特性

最新推荐文章于 2022-07-30 11:04:27 发布

原创最新推荐文章于 2022-07-30 11:04:27 发布 · 737 阅读

0 ·

CC 4.0 BY-SA版权

文章标签：

#tensorflow

TensorFlow 专栏收录该内容

4 篇文章

订阅专栏

本文介绍TensorFlow 2.0的简化模型开发流程，包括数据加载、模型构建与训练、分布式训练及部署等内容，并强调了其强大的跨平台能力和研究试验特性。

部署运行你感兴趣的模型镜像

一.TensorFlow2.0–简化的模型开发流程

1.使用tf.data加载数据
2.使用tf.keras构建模型,也可以使用premade estimator来验证模型
	1).使用TensorFlow hub进行迁移学习
3.使用eager mode进行运行和调试
4.使用分发策略来进行分布式训练
5.导出到SaveModel
6.使用TensorFlow Serve, TensorFlow Lite, Tensorflow.js部署模型

二.TensorFlow2.0–强大的跨平台能力

1.TensorFlow服务
	1)直接通过HTTP/REST或GRPC/协议缓冲区
2.TensorFlow Lite--可部署在Android,iOS和嵌入式系统上
3.TensorFlow.js--在javascript中部署模型
4.其他语言

三.TensorFlow2.0–强大的研究试验

1.Keras功能API和子类API,允许创建复杂的拓扑结构
2.自定义训练逻辑,使用tf.GradientTape和tf.custom_gradient进行更细粒度的控制
3.低层API自始至终可以与高层结合使用,完全的可定制
4.高级扩展:Ragged Tensors,Tensor2Tensor等