TensorFlow新文档发布新增CLPDTensor最先进

　　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TensorFlowLite（https：www。tensorflow。orglite）和TensorFlowModelGarden（https：github。comtensorflowmodels）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，CounterfactualLogitPairing）。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。orgresponsibleaimodelremediationcounterfactualguidecounterfactualusagesteps
　　Keras教程：https：www。tensorflow。orgresponsibleaimodelremediationcounterfactualguidecounterfactualkeras
　　API参考：https：www。tensorflow。orgresponsibleaimodelremediationapidocspythonmodelremediationcounterfactual
　　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MeshTensorFlow，DTensor可以解决Mesh能解决的同样问题：训练模型可能大于单核。
　　TensorFlow2。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。orgguidedtensoroverview
　　DTensorKeras教程：https：www。tensorflow。orgtutorialsdistributedtensorkerastutorial
　　API参考：https：www。tensorflow。orgapidocspythontfkerasdtensor
　　TensorFlowLite的新功能
　　TensorFlowLite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，GooglePlay服务中的TensorFlowLite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
　　TensorFlowLiteModelMaker库简化了使用自定义数据集训练TensorFlowLite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（https：www。tensorflow。orglitemodelsmodifymodelmakertextsearcher）。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（https：www。tensorflow。orgliteapidocspythontflitemodelmaker）。
　　TensorFlowLite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（https：www。tensorflow。orglitemodels），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。
　　TensorFlowModelGarden：最先进的模型准备就绪
　　TensorFlowModelGarden（https：www。tensorflow。orgguidemodelgarden）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。ModelGarden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ModelGarden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ModelGarden的概览、可用模型的清单和图像分类教程开始。
　　ModelGarden的概览：https：www。tensorflow。orgguidemodelgarden
　　可用模型的清单：https：github。comtensorflowmodelstreemasterofficial
　　图像分类教程：https：www。tensorflow。orgtutorialsimagesclassificationwithmodelgarden
　　其他令人兴奋的新变化
　　此外，谷歌与CSIRO合作，利用TensorFlow代码库加强对大堡礁上有害物种的监测工作。通过Kaggle竞赛，机器学习开发者合作训练ML模型，以识别使珊瑚礁生态系统退化的棘冠海星的爆发。以此来保护大堡礁的后代。
　　还有一个新变化是关于TensorFlow压缩的新教程（https：www。tensorflow。orgtutorialsgenerativedatacompression），它使用神经网络进行有损压缩。这个例子使用类似自动编码器的东西来压缩和解压MNIST。
　　图源TensorFlow官网
　　以上的更新中，有哪些惊艳到你了呢？欢迎各位一起交流
　　参考资料：https：blog。tensorflow。org202206newdocumentationontensorfloworg。html
　　成就一亿技术人