TensorFlow для R


Команда RStudio создала набор интерфейсов R для TensorFlow в знак признания того, что фреймворк машинного обучения Google стал популярным с тех пор, как два года назад был открыт исходный код.

RStudio – это интегрированная среда разработки для R, которая включает в себя консоль кода, редактор подсветки синтаксиса и инструменты для построения графиков, истории, отладки и управления рабочим пространством. Новый интерфейс TensorFlow состоит из набора пакетов R, каждый из которых предлагает различное взаимодействие с TensorFlow для разных задач и уровней абстракции.
Новые интерфейсы были анонсированы на rstudio :: conf, а видео сеанса подробно описывает, что это за программное обеспечение и что оно делает:

Пакеты начинаются с интерфейса к Keras, высокоуровневому API нейронных сетей, разработанному для того, чтобы пользователи могли быстро проводить эксперименты, чтобы они могли перейти от первоначальной идеи к результату с минимально возможной задержкой.
Второй пакет – это интерфейс к оценщикам TensorFlow. Это высокоуровневый API, который предлагает реализации ряда различных типов моделей, включая линейные модели и глубокие нейронные сети.
Также имеется интерфейс для полного API TensorFlow, предоставляющий доступ к набору модулей Python, которые позволяют создавать и выполнять графики TensorFlow.

Последний интерфейс – API набора данных TensorFlow. Это можно использовать для создания масштабируемых конвейеров ввода для моделей TensorFlow, охватывающих такие задачи, как чтение данных из различных форматов; преобразование наборов данных различными способами, включая сопоставление произвольных функций с ними; а также перемешивание, группирование и повторение наборов данных за несколько эпох.
Помимо интерфейсов, пакет TensorFlow для R включает инструменты, помогающие с рабочими процессами обучения, включая обратную связь в реальном времени по метрикам обучения в среде RStudio IDE. Пакет также включает несколько способов использования графических процессоров в облаке. Это необходимо для многих пользователей, потому что обучение нейронных сетей требует вычислений, и вы получите гораздо лучшую производительность, если запустите программное обеспечение на машине с высокопроизводительным графическим процессором NVIDIA. Если он недоступен, пакет поставляется с интерфейсом R для механизма машинного обучения Google, а также с образом Amazon EC2, предварительно настроенным с драйверами NVIDIA CUDA, TensorFlow, интерфейсом TensorFlow для R, а также RStudio Server.


Добавить комментарий