Pour gérer vos consentements :

Machine Learning : TensorFlow 2.0 dope l’apprentissage machine

La version 2.0 stable de TensorFlow, le framework d’apprentissage machine (ML) rendu open source par Google, est disponible.

« Grâce à une intégration étroite de Keras dans TensorFlow, à l’Eager execution par défaut et à une exécution des fonctions Pythonic, TensorFlow 2.0 rend l’expérience de développement d’applications aussi familière que possible pour les développeurs Python_ », a expliqué l’équipe du projet sur Medium.

Quelles sont les principales améliorations de cette version 2.0 ?

Keras, multi-GPU, TensorFlow.js…

– une intégration renforcée avec l’API Keras pour développer et entraîner des modèles d’apprentissage profond (deep learning) ;
– l’Eager execution par défaut ;
– la standardisation du format de fichier SavedModel « pour exécuter des modèles sur divers runtimes, dans le cloud, le web, les navigateurs, Node.js, les systèmes mobiles et embarqués » ;
– le support du multi-GPU ;
– l’interface de programmation (API) Distribution Strategy pour « distribuer des scénarios d’entraînement avec un minimum de changements dans le code » ;
– une API Dataset pour un accès à différents jeux de données via une interface standard ;
– une ouverture vers les développeurs JavaScript avec TensorFlow.js.

« Nous continuons également à investir dans le langage Swift avec la bibliothèque Swift for TensorFlow », a précisé Laurence Moroney, responsable de la relation développeurs chez Google.

Et d’ajouter : « pour les chercheurs repoussant les limites du machine learning (ML), nous avons beaucoup investi dans l’API de bas niveau de TensorFlow : nous exportons maintenant toutes les opérations utilisées en interne et fournissons des interfaces héritables pour des concepts cruciaux tels que les variables et les points de contrôle. Cela permet [aux développeurs] de construire sur les composants internes de TensorFlow sans avoir à reconstruire TensorFlow. »

L’ensemble sera détaillé lors du TensorFlow World. L’évenement se tiendra du 28 au 31 octobre 2019 à Santa Clara (Californie).

(photo via Twitter @TensorFlow)

Recent Posts

FinOps : la spécification FOCUS dépassera-t-elle le IaaS ?

Premier stade de maturité atteint pour le projet FOCUS (FinOps Open Cost & Usage Specification),…

1 jour ago

CentOS en fin de vie : quelques portes de sortie

Le 30 juin 2024, c'en sera fini du projet CentOS. Parallèlement aux initiatives de Red…

1 jour ago

GenAI : Anthropic lance Claude 3.5 Sonnet

Trois mois après le lancement de Claude, sa gamme de LLM, Anthropic lance une mise…

2 jours ago

Kaspersky banni aux États-Unis : les grandes lignes du dispositif

Déjà banni des réseaux fédéraux étasuniens, Kaspersky l'est désormais dans tout le pays. Que prévoit…

2 jours ago

HP adhère avec modération au concept du PC Copilot+

HP lance ses premiers PC Copilot+, mais les met en avant sous une marque spécifique…

2 jours ago

Controversé, l’index de transparence LLM de Stanford passe en v2

Stanford a récemment actualisé son index de transparence des LLM, l'étendant à 14 fournisseurs dont…

3 jours ago