TL;DR
- ارسال شده توسط تیم TensorFlow TensorFlow 2.
- 20 منتشر شد!
- برای بهروزرسانیهای در حال انجام مرتبط با Keras چند پشتیبان،.
چه اتفاقی افتاد
ارسال شده توسط تیم TensorFlow TensorFlow 2. 20 منتشر شد!
برای بهروزرسانیهای در حال انجام مرتبط با Keras چند پشتیبان،. لطفاً توجه داشته باشید که همه اخبار و نسخهها،.
از Keras 3. 0 شروع میشوند، اکنون مستقیماً در keras.
io منتشر میشوند. میتوانید فهرست کاملی از همه تغییرات را در یادداشتهای انتشار کامل در GitHub پیدا کنید.
tf. lite با LiteRT جایگزین میشود ماژول tf.
lite با توسعه برای استنتاج روی دستگاه به یک مخزن جدید و مستقل: LiteRT منسوخ خواهد شد. APIهای جدید در Kotlin و C++ در دسترس هستند.
این پایه کد از مخزن TensorFlow جدا میشود و tf. lite از بستههای آینده TensorFlow Python حذف میشود،.
بنابراین ما مهاجرت پروژهها به LiteRT را برای دریافت آخرین به روز رسانیها تشویق میکنیم. جزئیات بیشتر در ادامه همانطور که در Google I/O '25 اعلام شد،.
LiteRT نسبت به TFLite بهبود مییابد،. به ویژه برای شتاب و عملکرد سختافزار NPU و GPU برای برنامههای کاربردی ML و AI روی دستگاه.
LiteRT یک رابط یکپارچه برای واحدهای پردازش عصبی (NPU) ارائه میکند که نیاز به پیمایش کامپایلرها یا کتابخانههای. خاص فروشنده را از بین میبرد.
این رویکرد از بسیاری از پیچیدگیهای خاص دستگاه جلوگیری میکند،. عملکرد را برای استنتاج واقعی و مدل بزرگ افزایش میدهد و کپیهای حافظه را از طریق استفاده از.
بافر سختافزاری صفر کپی به حداقل میرساند. برای اطلاعات بیشتر در مورد مخزن جدید و ثبت نام در برنامه دسترسی اولیه NPU،.
لطفاً با تیم در g. co/ai/LiteRT-NPU-EAP تماس بگیرید.
گرم کردن سریعتر خط لوله ورودی با tf. data برای کمک به کاهش تأخیر،.
بهویژه زمانی که مدل شما طول میکشد تا اولین عنصر مجموعه داده را پردازش کند،. autotune.
min_parallelism را در tf. Options اضافه کرده ایم.
این گزینه جدید به عملیات داده ناهمزمان مانند . map و .
batch اجازه میدهد تا بلافاصله با حداقل سطح موازی مشخص شده شروع شود و زمان گرم شدن. اولیه خطوط لوله ورودی شما را تسریع کند.
تغییرات در بسته فایل سیستم I/O GCS بسته فایل سیستم tensorflow-io-gcs برای پشتیبانی از Google Cloud Storage اکنون. اختیاری است.
قبلاً بهطور پیش فرض با TensorFlow نصب شده بود. اگر گردش کار شما نیاز به دسترسی به GCS دارد،.
اکنون باید این بسته را با اجرای:. pip install "tensorflow[gcs-filesystem]" به صراحت نصب کنید.
توجه داشته باشید که بسته اخیراً پشتیبانی محدودی دریافت کرده است و در حال حاضر هیچ تضمینی وجود. ندارد که برای نسخههای جدیدتر پایتون در دسترس باشد.
چرا مهم است
اهمیت این خبر در این است که روی استفاده واقعی از AI و تصمیمگیری سازمانی اثر میگذارد.
منبع
لینک منبع اصلی در کارت و صفحه مقاله نمایش داده میشود.