• Publikation
  • Evolution im Machine Learning: TensorFlow 2.0
  • Evolution im Machine Learning: TensorFlow 2.0

heise developer

09/19

Evolution im Machine Learning: TensorFlow 2.0

Autor:
Mark Keinhörster

TensorFlow spielt eine bedeutende Rolle im Bereich Machine Learning. Version 2.0 des Frameworks verspricht einen verbesserten Workflow und aufgeräumte APIs.

Die Methoden des Machine Learning (ML) haben vor allem dank zahlreicher quelloffener Frameworks den Weg aus der Forschung in die Industrie gefunden. Ob in der Verarbeitung natürlicher Sprache oder in der Objekterkennung – Machine- und Deep-Learning-Modelle sind kaum mehr wegzudenken. Zu den Platzhirschen unter den ML-Frameworks gehört TensorFlow, das seit 2015 existiert. Seitdem hat sich viel getan.

Anfang Juni hat Google die Beta von TensorFlow 2.0 freigegeben, und seit Kurzem ist der erste Release Candidate verfügbar. Die Neuerungen können sich durchaus sehen lassen. Die aufgeräumte API verzichtet auf globale Namespaces und erklärt Eager Execution zur direkten Codeausführung zum Standard. Mit der Annotation tf.function und AutoGraph lassen sich aus Eager-Code heraus automatisch TensorFlow-Graphen erstellen. Damit können Entwickler Modelle imperativ mit Python-Boardmitteln einfach und schnell entwickeln und anschließend optimiert in Graphenform exportieren. Außerdem erhalten sie ein Migrationstool an die Hand, das dabei hilft, alte Implementierungen mit wenig Anpassungen auf TensorFlow 2.0 umzustellen.

Den kompletten Artikel lest ihr auf heise developer.

Vollständiger Artikel

Cookies erleichtern die Bereitstellung unserer Dienste. Mit der Nutzung unserer Dienste erklären Sie sich damit einverstanden, dass wir Cookies verwenden. Weitere Informationen

Hinweis: In Ihrem Browser ist JavaScript deaktiviert. Für eine bessere und fehlerfreie Nutzung dieser Webseite, aktivieren Sie bitte JavaScript in Ihrem Browser.