TensorFlow bygger og kører nu på Microsoft Windows

Ikon for læsetid 2 min. Læs


Læsere hjælper med at understøtte MSpoweruser. Vi får muligvis en kommission, hvis du køber via vores links. Værktøjstip-ikon

Læs vores oplysningsside for at finde ud af, hvordan du kan hjælpe MSPoweruser med at opretholde redaktionen Læs mere

tensorflow-vinduer

TensorFlow er et open source-softwarebibliotek til numerisk beregning ved hjælp af dataflowgrafer. Den fleksible arkitektur giver dig mulighed for at implementere beregning til en eller flere CPU'er eller GPU'er på en desktop, server eller mobilenhed med en enkelt API. TensorFlow v0.12.0 RC0 blev frigivet i går, og den kommer med store forbedringer, herunder understøttelse af Windows.

TensorFlow bygger og kører nu på Microsoft Windows (testet på Windows 10, Windows 7 og Windows Server 2016). Understøttede sprog inkluderer Python (via en pip-pakke) og C++. CUDA 8.0 og cuDNN 5.1 understøttes til GPU-acceleration. Kendte begrænsninger omfatter: Det er i øjeblikket ikke muligt at indlæse et brugerdefineret op-bibliotek. GCS- og HDFS-filsystemerne understøttes ikke i øjeblikket. Følgende ops er i øjeblikket ikke implementeret: DepthwiseConv2dNative, DepthwiseConv2dNativeBackpropFilter, DepthwiseConv2dNativeBackpropInput, Dequantize, Digamma, Erf, FEJLFUNK.KOMP, Igamma, Igammac, Lgamma, Polygamma, QuantizeAndDequantize, QuantizedAvgPool, QuantizedBatchNomWithGlobalNormalization, QuantizedBiasAdd, QuantizedConcat, QuantizedConv2D, QuantizedMatmul, QuantizedMaxPool, QuantizeDownAndShrinkRange, QuantizedRelu, QuantizedRelu6, QuantizedReshape, QuantizeV2, RequantizationRange og Requantize.

TensorFlow blev oprindeligt udviklet af forskere og ingeniører, der arbejder på Google Brain Team i Googles Machine Intelligence-forskningsorganisation med det formål at udføre maskinlæring og forskning i dybe neurale netværk, men systemet er generelt nok til at være anvendeligt i en lang række andre domæner som f.eks. godt.

Find hele ændringsloggen for denne udgivelse link..

Brugerforum

0 meddelelser