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

Cloud : vers une conteneurisation de classe entreprise

Les départements IT utilisent les conteneurs pour adresser les complexités associées aux environnements hybrides cloud.…

10 heures ago

NVIDIA pousse l’IA sur les conteneurs vSphere

La version 1.1. de la toolbox NVIDIA AI Enterprise stabilise la prise en charge des…

17 heures ago

GitHub pousse l’authentification double facteur sur iOS et Android

Les utilisateurs de GitHub Mobile sous iOS et Android peuvent dorénavant utiliser le mécanisme d'authentification…

17 heures ago

AWS greffe une réplication native à son stockage fichier

Une option native de réplication arrive sur Amazon EFS. Quelles en sont les caractéristiques ?

18 heures ago

PwnKit : une faille dans « l’autre sudo » de Linux

Lumière est faite sur PwnKit, une faille qui se cachait depuis 2009 dans le composant…

19 heures ago

Python : 6 recommandations de sécurité

Python est un des langages de programmation les plus prisés du marché. Qu'en est-il de…

2 jours ago