TensorFlow 2.0 débarque en alpha

La version 2.0 de la bibliothèque Tensorflow utilisée pour développer des modèles d’apprentissage machine est désormais accessible en alpha. Le lancement officiel aura lieu au deuxième trimestre de cette année.

La fonctionnalité Autograph doit faciliter l’écriture de modèles avec des opérations de contrôle de flux personnalisées. Tf.function s’y ajoute pour apporter de meilleures performances graphiques. (Crédit : TensorFlow)

La principale bibliothèque open source de développement d’algorithmes de machine learning évolue. TensorFlow 2.0 est désormais disponible pour tous en version alpha. Le mot d’ordre est simplification. Cette version alpha va permettre d’identifier et résoudre les éventuels problèmes, pour un lancement officiel de TensorFlow 2.0 au deuxième trimestre 2019.

Dans les mises à jour déjà apportées à la bibliothèque originellement conçue par Google, l’API Keras – permettant de développer et entraîner des modèles de deep learning – a été davantage intégrée à TensorFlow. Elle prend désormais en charge l’environnement de programmation Eager execution, l’API tf.data, tf.distribute.MirroredStrategy pour l’entraînement multi-GPU, le tableau de bord TensorBoard et la conversion TF Lite et TF.js. Eager execution a aussi été repensé et se lance désormais par défaut pour un debugging plus fluide et une meilleure expérience utilisateur.

Une roadmap bien définie

La fonctionnalité Autograph doit faciliter l’écriture de modèles avec des opérations de contrôle de flux personnalisées. Tf.function s’y ajoute pour apporter de meilleures performances graphiques. Un nouveau framework ML de bout-en-bout est proposé pour la construction de pipelines avec TFX. Les fonctionnalités tf.contrib ont été soit déplacées vers TensorFlow Core, soit vers tensorflow.addons, soit ne font plus partie de la compilation TensorFlow mais restent développées et maintenues par leurs propriétaires respectifs.

D’autres ajouts et extensions sont présentées sur une page dédiée. D’ici le lancement officiel, les équipes du projet open source vont continuer à travailler à l’amélioration de « la compatibilité entre les plateformes et les composants en normalisant les formats d’échanges et en alignant les API » indique l’équipe dans un billet de blog. Les fonctionnalités TensorBoard, TensorFlow.js, Lite, TFX et d’autres vont également évoluer.

chevron_left
chevron_right