TensorFlow es la biblioteca/plataforma de “machine learning” de código abierto más popular del mundo. Desde su lanzamiento  en 2015, este producto de Google Brain se ha descargado más de 41 millones de veces. En la conferencia “TensorFlow Dev Summit 2019” de esta semana, Google ha anunciado una importante actualización del framework, la versión TensorFlow 2.0 Alpha. TensorFlow 2.0 se centra en la simplicidad y facilidad de uso, con actualizaciones como la ejecución rápida, APIs intuitivas de nivel superior y construcción de modelos flexibles en cualquier plataforma.

Todo lo que necesitas saber sobre TensorFlow, la plataforma para Inteligencia Artificial de Google

El pasado mes de agosto, el ingeniero de software de Google Brain, Martin Wicke, informó que TensorFlow 2.0 sería un hito importante, lo que llevó a muchos en la comunidad de IA a esperar diversas actualizaciones como:

• “Ejecución ávida” o “Eager execution”
• Compatibilidad mejorada con plataformas y lenguajes
• Eliminación de APIs obsoletas para reducir la duplicación

Según la guía oficial de TensorFlow 2.0, Google ha cumplido con las expectativas. La nueva versión elimina las API redundantes, hace que las API sean más consistentes (RNNs Unificadas, Optimizadores Unificados), e integra mejor el tiempo de ejecución de Python con la eager execution.

Aquí están los principales cambios de TensorFlow 2.0 Alpha:

Limpieza de API

En TensorFlow 2.0 muchas APIs han desaparecido o han sido movidas a otros subpaquetes. Los usuarios pueden utilizar el script de actualización de v2 para aplicar los cambios de nombre automáticamente.

Eager Execution

Mientras que los usuarios de TensorFlow 1.X necesitaban “coser” manualmente un árbol de sintaxis abstracto, TensorFlow 2.0 se ejecuta con má sligereza. “Los gráficos y las sesiones deben parecer detalles de implementación”.

No más globales

Los usuarios de TensorFlow 2.0 ya no necesitan depender en gran medida de espacios de nombres implícitamente globales.

session.run ()

Es casi como una llamada de función, como se muestra en el siguiente ejemplo:

El objetivo general de TensorFlow 2.0 Alpha es reducir la barrera tecnológica para el aprendizaje automático, permitiendo a los investigadores con experiencia o conocimientos limitados construir modelos de manera eficiente. Por ejemplo, Keras, que proporciona APIs de construcción de modelos secuenciales, funcionales y de subclases, permite a los desarrolladores utilizar un nivel adecuado de abstracción.

Google también se está asociando con plataformas de aprendizaje online como Fast.ai, Udacity y Coursera para ofrecer una amplia gama de cursos, especializaciones y títulos para los estudiantes de TensorFlow. Andrew Ng anunció hoy que el nuevo curso de especialización de Deeplearning.ai: TensorFlow: From Basics to Mastery, enseñará prácticas útiles de TensorFlow.

También se anunció esta semana TensorFlow.js 1.0 para la comunidad Javascript; TF Federated, un marco de trabajo de código abierto para el machine learning y otros cálculos sobre datos descentralizados; y TF Privacy, una biblioteca de código abierto basada en Python para una formación más justa y segura.

Hubo una sorpresa más. Google introdujo Coral Dev Board, una plataforma de aprendizaje de máquinas para la creación de productos de IA. El kit de desarrollo de $149.99 incluye Edge TPU, un reducido Google ASIC diseñado para potenciar los modelos de aprendizaje de la máquina TensorFlow Lite. Google también lanzó el Coral USB Accelerator para añadir el Edge TPU a un diseño ya existente, lo que permite una fácil integración en cualquier sistema Linux (incluidas las placas Raspberry Pi) a través de USB 2.0 y 3.0.

TensorFlow es una biblioteca de software de código abierto para computación desarrollada por el equipo de Google Brain. Su robusto marco de aprendizaje de máquina ha permitido un amplio uso en muchas plataformas diferentes.

Fuente: Medium