У ТенсорФлов 2.0, концепт сесија је уклоњен у корист нестрпљивог извршења, пошто жељно извршење омогућава тренутну процену и лакше отклањање грешака у операцијама, чинећи процес интуитивнијим и Питхониц. Ова промена представља значајну промену у начину на који ТенсорФлов функционише и комуницира са корисницима.
У ТенсорФлов 1.к, сесије су коришћене за прављење графичког графикона и затим његово извршавање у окружењу сесије. Овај приступ је био моћан, али понекад гломазан, посебно за почетнике и кориснике који долазе из императивнијег програмирања. Уз жељно извршавање, операције се извршавају одмах, без потребе за експлицитним креирањем сесије.
Уклањање сесија поједностављује ток рада ТенсорФлов и ближе га усклађује са стандардним Питхон програмирањем. Сада корисници могу природније да пишу и извршавају ТенсорФлов код, слично као што би писали обичан Питхон код. Ова промена побољшава корисничко искуство и смањује криву учења за нове кориснике.
Ако сте наишли на АттрибутеЕррор када покушавате да покренете неки код вежбе који се ослања на сесије у ТенсорФлов 2.0, то је због чињенице да сесије више нису подржане. Да бисте решили овај проблем, потребно је да рефакторишете код да бисте користили жељно извршавање. На тај начин можете осигурати да је ваш код компатибилан са ТенсорФлов 2.0 и искористити предности које нуди жељно извршење.
Ево примера који илуструје разлику између коришћења сесија у ТенсорФлов 1.к и жељног извршавања у ТенсорФлов 2.0:
ТенсорФлов 1.к (користећи сесије):
python import tensorflow as tf # Build a graph a = tf.constant(2) b = tf.constant(3) c = tf.add(a, b) # Create a session and run the graph with tf.Session() as sess: result = sess.run(c) print(result)
ТенсорФлов 2.0 (користећи жељно извршавање):
python import tensorflow as tf # Enable eager execution tf.config.run_functions_eagerly(True) # Perform operations without the need for a session a = tf.constant(2) b = tf.constant(3) c = tf.add(a, b) print(c)
Ажурирањем кода за вежбање да би се искористило жељно извршавање, може се обезбедити компатибилност са ТенсорФлов 2.0 и имати користи од његовог поједностављеног тока посла.
Уклањање сесија у ТенсорФлов 2.0 у корист жељног извршавања представља промену која побољшава употребљивост и једноставност оквира. Прихватајући жељно извршавање, корисници могу да пишу ТенсорФлов код природније и ефикасније, што доводи до беспрекорнијег искуства развоја машинског учења.
Остала недавна питања и одговори у вези ЕИТЦ/АИ/ГЦМЛ Гоогле Цлоуд Мацхине Леарнинг:
- Шта је текст у говор (ТТС) и како функционише са АИ?
- Која су ограничења у раду са великим скуповима података у машинском учењу?
- Може ли машинско учење да пружи неку дијалошку помоћ?
- Шта је ТенсорФлов игралиште?
- Шта заправо значи већи скуп података?
- Који су неки примери хиперпараметара алгоритма?
- Шта је ансамбл учење?
- Шта ако одабрани алгоритам машинског учења није прикладан и како се може побринути да изаберете прави?
- Да ли моделу машинског учења треба надзор током обуке?
- Који су кључни параметри који се користе у алгоритмима заснованим на неуронским мрежама?
Погледајте више питања и одговора у ЕИТЦ/АИ/ГЦМЛ Гоогле Цлоуд Мацхине Леарнинг