用 TensorFlow Decision Forests 和 Temporian 简化时序数据预处理
由 Google 与 Tryolabs 合作开发的开源 Python 库 Temporian 面向机器学习时序数据,用于预处理与特征工程。文章以虚构网店的 sales.csv 交易记录为例,用 EventSet 容器及 moving_sum、add_index 算子计算 7 天滚动销售额,再用 TensorFlow Decision Forests 训练周销售额预测模型。
由 Google 与 Tryolabs 合作开发的开源 Python 库 Temporian 面向机器学习时序数据,用于预处理与特征工程。文章以虚构网店的 sales.csv 交易记录为例,用 EventSet 容器及 moving_sum、add_index 算子计算 7 天滚动销售额,再用 TensorFlow Decision Forests 训练周销售额预测模型。
TensorFlow v2 通过 DTensor 原生支持分布式 FFT,分片张量可直接传入 tf.signal.fft2d 等既有算子,输出同样保持分片。8xV100 GPU 上的 10K*10K 实验中,两个本地 FFT 算子只占总耗时 15ms 的 3.6%,约为非分布式 fft2d 的 1/3,其余时间主要耗在 ncclAllToAll 数据重排上。
TensorFlow Lite 的 Flutter 插件已正式迁移到 TensorFlow 官方 GitHub 仓库并发布,由 Google 团队直接维护。插件已更新至最新版 TensorFlow Lite,新增实时摄像头目标检测等示例应用,支持移动端、嵌入式、Web 和边缘设备,桌面端支持仍在开发中。
TensorFlow 团队用 Simpleperf 剖析并优化 TFLite 内存 arena 的初始化过程,tensor 分配开销从运行时占比 49.9% 降到 11%,示例模型运行时缩短 25%。
TensorFlow 2.13 与 Keras 2.13 已发布,TensorFlow 2.13 首次提供 Apple Silicon wheels,Keras V3 保存格式成为 .keras 扩展名文件的默认格式。
Google Research 健康 AI 团队展示如何用 TensorFlow Lite 在手机上运行孕龄与胎位评估模型,让只接受几小时培训、没有超声背景的人员通过盲扫协议采集视频就能得到与标准诊疗相当的预测结果。
Google 用 PaLM API 演示了 LLM 增强推荐系统的四条路径:对话式、序列、评分预测与嵌入向量推荐。对话式和序列推荐分别调用 PaLM API 的 Chat 与 Text 服务,评分预测则用 Text 服务为候选电影打分排序。
TensorFlow 发布新教程,演示如何用 dtreeviz 可视化并解释 TensorFlow Decision Forests 的决策树。教程以 Penguin、Abalone 数据集为例,展示每个决策节点如何切分特征域、叶子节点的样本分布,以及单个测试样本从根到叶的预测路径。dtreeviz 于 2018 年首次发布,是目前最流行的决策树可视化库。
Google 将于 2023 年 6 月 9 日美西时间 10:00-12:15 线上举办首届推荐系统开发者峰会,报名已开放。峰会由 Google 工程师主讲,覆盖 TensorFlow Recommenders、TensorFlow Ranking、TensorFlow Agents 等产品,并分享用 LLM 增强推荐系统、生成式检索等前沿研究。