近日机器学习框架TensorFlow团队发布了最新2.3版本,全新版本中加入的新工具,允许开发人员在在一台或是多台计算机中,能够轻松地载入并且预处理资料,解决输入流水线瓶颈问题。
同时TF Profiler 也新增了两项工具,一个实时记录模型内存使用情况的可视化内存分析器,与一个允许您在模型中跟踪 Python 函数调用的 Python 追踪器。
除了新的服务API,tf.data还多了一个snapshot API。可以将预处理流水线的输出长久储存到磁盘,以便在不同的训练中重复使用,这样可借助存储空间换得更多的 CPU 时间。
TensorFlow 2.3实验性的添加了对全新的 Keras Preprocessing Layers API支持。让用户能够将预处理逻辑,当作是模型中的一部分包含在模型内,因此在模型输出时,预处理层就会象是模型其他层一样,被储存起来,并让之后的部署更简单。
官方指出,开发人员可以利用这个新功能,创建物体侦测模型,模型本身就能包含调整大小、缩放和正规化层,也就是说,该模型的输入可以接受任何尺寸的图像,并自动正规化像素值。