TensorFlow Google大会总结

一、概述

  介绍TPU,需要使用XLA编译,否则没有做内部优化,无法达到加速的效果;

  TPU相关的性能分析器:

二、新版本的输入库

  之前TensorFlow的输入方式:

    • feed_dict: 太过于低效
    • Queue:     python多线程,全局锁的问题;同样低效,而且对应其中错误的数据无法友好处理;

  现在: input pipeline

    相关函数:

      Dataset.XX()

      Dataset.XXX()

      Dataset.XXXX()

  more infomation about Dataset 

三、learn2learn

  功能: 由机器来设计神经网络

  依据: 进化算法

  解决性能问题工具:

    1、timeline   ----   通过chrome来对结果进行分析 

    2、nvprof

    3、XXX 

四、高层API:

  • Estimators
  • keras
  • canned Estimators

  只有Estimators支持分布式TensorFlow;

  recommended:

  使用高级api

  Estimators

  用tf.layer 或 tf.keras 来自定义模型

 TF Serving:

  用于将训练好的模型部署到生产环境中;

  • C++ lib 
    • 模型保存、输出
    • 通用核心架构
  • Binaries
    • 有一些自带的功能
    • 支持docker等  

五、TF Lite:

  用于支撑小型设备,例如手机等嵌入式设备

上一篇:Ruby学习笔记-循环与选择结构


下一篇:Ruby On Rails学习笔记(3)——Rails程序由0到1