Machine Learning

Was ändert sich in TensorFlow 2.0?

TensorFlow 2.0 Alpha veröffentlicht: Eager Execution wird zum Standard
Keine Kommentare

TensorFlow 2.0 soll leichter zu benutzen sein, dafür wird Eager Execution zum Standard. In der neuen Version des Machine-Learning-Frameworks werden die APIs aufgeräumt und Keras steht im Zentrum der Entwicklung von ML-Modellen.

In TensorFlow 2.0 wird Eager Execution zum Normalfall für die Ausführung von Operationen. Keras wird das zentrale High-Level-API für die Entwicklung und das Training von ML-Modellen.

Eine der Anpassungen, mit denen das Google-Brain-Team TensorFlow 2.0 verständlicher und leichter verwendbar machen will, ist eine Umstellung auf Eager Execution. In der neuen Version des Frameworks werden Operationen zudem unmittelbar nach ihrem Aufruf ausgeführt. Frühere Versionen von TensorFlow setzten die Konstruktion eines Graphen voraus, bevor er mittels tf.Session.run() ausgeführt werden konnte. Das TensorFlow-Team fasst diese Umstellung als „functions, not sessions“ zusammen. tf.Sessions und session.run werden im Zuge dessen durch tf.function ersetzt.

An den APIs und Modulen von TensorFlow wird mit der neuen Version des Machine-Learning-Frameworks ebenfalls gearbeitet. Das tf.contrib-Modul ist deprecated. Die darin enthaltenen Funktionalitäten, die das Team erhalten will, wurden ins TensorFlow-Core-API oder nach tensorflow/addons übernommen. Als Grund für die Deprecation wird die Größe des Moduls angegeben, es soll nicht mehr sinnvoll wartbar gewesen sein. Einige APIs, darunter tf.app, tf.flags und tf.logging, wurden entfernt.

TensorFlow 2.0 setzt auf Keras

Keras, ein für TensorFlow, CNTK und Theano geschriebenes API, wird mit der neuen TensorFlow-Version, wie oben bereits erwähnt, eine noch wichtigere Rolle einnehmen. Ab TensorFlow 2.0 wird für das Erstellen von Machine-Learning-Modellen besonders das Keras Sequential API verwendet. Mit den Methoden compile und fit können diese Modelle dann konfiguriert bzw. trainiert werden.

Neben den oben geschilderten Änderungen entfallen in TensorFlow 2.0 globale Variablen mit Helper-Methoden wie tf.global_variables_initializer und tf.get_global_setp. Der mit TensorFlow 1.31.1 (wir berichteten) zum Core-Feature gemachte Support von TensorFlow Lite ist auch in der TensorFlow 2.0-Alpha enthalten.

TensorFlow 2.0 wird unter Apache-2.0-Lizenz entwickelt. Weitere Informationen zur Alpha-Version von TensorFlow 2.0 stehen im Blogpost zum Release dieser Version sowie auf GitHub zur Verfügung.

Unsere Redaktion empfiehlt:

Relevante Beiträge

Hinterlasse einen Kommentar

Hinterlasse den ersten Kommentar!

avatar
400
  Subscribe  
Benachrichtige mich zu:
X
- Gib Deinen Standort ein -
- or -