TensorFlow新文档发布：新增CLPDTensor...最先进的模型已就绪

Posted 2022-06-10 开源头条

tags:

篇首语：本文由小常识网(cha138.com)小编为大家整理，主要介绍了TensorFlow新文档发布：新增CLPDTensor...最先进的模型已就绪相关的知识，希望对你有一定的参考价值。

整理 | 彭慧中责编 | 屠敏
出品 | CSDN（ID：CSDNnews）

近日，TensorFlow 官网上发布了许多令人兴奋的新文档，包括对模型修复、模型并行以及 TensorFlow Lite 和 TensorFlow Model Garden 的更新。一起来看看你能收获哪些新东西吧！

模型修复：反事实的Logit配对（CLP）

TensorFlow 的人工智能团队增加了一个新的模型修复技术，作为其模型修复库的一部分。TensorFlow 模型修复库提供了训练时的技术来干预模型，如通过引入或改变模型目标来改变模型本身。最初推出的第一个模型修复技术：MinDiff，它使两个数据片之间的性能差异最小。而此次的新技术是反事实Logit配对（CLP，Counterfactual Logit Pairing）。这项技术可以确保当一个例子中引用的敏感属性被删除或替换时，模型的预测不会发生变化。例如，在一个毒性分类器中，诸如 "我是一个男人 "和 "我是一个女同性恋 "这样的例子应该是相等的，不会被归类为毒性。

基本教程：https://www.tensorflow.org/responsible_ai/model_remediation/counterfactual/guide/counterfactual_usage_steps

Keras教程：https://www.tensorflow.org/responsible_ai/model_remediation/counterfactual/guide/counterfactual_keras

API参考：https://www.tensorflow.org/responsible_ai/model_remediation/api_docs/python/model_remediation/counterfactual

模型并行：DTensor

DTensor 提供了一个全局编程模型，允许开发者在全球范围内对张量进行操作，同时管理跨设备的分布。DTensor 通过一个名为“单程序多数据”（SPMD）扩展的程序，根据分片指令分配程序和张力器。

通过将整个应用程序与分片指令解耦，DTensor 可以在单个设备、多个设备、甚至多个客户端上运行同一个应用程序，同时保留其全局语义。如果你还记得 TensorFlow1.0 中的 Mesh TensorFlow，DTensor 可以解决 Mesh 能解决的同样问题：训练模型可能大于单核。

TensorFlow 2.9 会将一直在夜间构建的 DTensor 在 tensorflow.org 上公开。尽管 DTensor 是实验性的，但欢迎你去尝试。

DTensor 指南：https://www.tensorflow.org/guide/dtensor_overview

DTensor Keras 教程：https://www.tensorflow.org/tutorials/distribute/dtensor_keras_tutorial

API 参考：https://www.tensorflow.org/api_docs/python/tf/keras/dtensor

TensorFlow Lite的新功能

TensorFlow Lite 网站做了一些重大改动，包括入门文档。

构建开发者成长之路

首先，TensorFlow 现在按平台（android，ios 和其他设备）来给开发人员提供学习指南，使得开发人员能更容易在相应设备上运行 TensorFlow 模型。TensorFlow 不仅为 Android 用户增加了新的学习路线图和快速入门指南，更早些时候，Google Play 服务中的 TensorFlow Lite 的新测试版也增加了一个指南。这些快速入门指南包括 Kotlin 和 Java 中的例子，并将例子代码升级到了 CameraX。

模型制作者

TensorFlow Lite Model Maker 库简化了使用自定义数据集训练 TensorFlow Lite 模型的过程。它使用转移学习来减少所需的训练数据量并减少训练时间，并预置了七个常见的任务，包括图像分类，物体检测和文本搜索。

TensorFlow 为文本搜索增加了一个新的教程。这种类型的模型可以让你接受一个文本查询，并在文本数据集中搜索出最相关的条目，如网页数据库。在移动设备上，你可以将其用于自动回复或语义文件搜索。

此外，TensorFlow 还发布了完整的 Python 库参考。

TensorFlow Lite 模型页面

为用例找到正确的模型有时会令人抓狂。TensorFlow 写了更多关于如何为你的任务选择正确模型的指导，以及做出这个决定需要考虑的因素。你也可以在这里找到常见用例的模型链接。

TensorFlow Model Garden：最先进的模型准备就绪

TensorFlow Model Garden 为视觉和自然语言处理（NLP）提供了许多最先进的机器学习（ML）模型的实现，以及工作流程工具，让你在标准数据集上快速配置和运行这些模型。Model Garden涵盖了视觉和文本任务，以及一个名为 Orbit 的灵活的训练循环库。模型带有预建的配置来训练到最先进的水平，以及许多有用的专门操作。

TensorFlow 将开始记录你用 Model Garden 所做的各种各样的伟大事业，由此开启的第一站应该从了解 Model Garden 的概览、可用模型的清单和图像分类教程开始。

Model Garden 的概览：https://www.tensorflow.org/guide/model_garden

可用模型的清单：https://github.com/tensorflow/models/tree/master/official

图像分类教程：https://www.tensorflow.org/tutorials/images/classification_with_model_garden