Google heeft een nieuwe release uitgebracht van zijn AI-ontwikkelplatform TensorFlow. Nieuw zijn onder meer een experimentele API en meer functionaliteit voor TensorFlow profiler.
De update van het AI-ontwikkelplatform komt met twee maanden tussenruimte snel na de vorige release van versie 2.0. In versie 2.3.0 wordt meer aandacht besteed aan het inzicht krijgen in en beperken van systeembronnengebruik. Zo worden onder meer nieuwe mechanismes binnen de data library aangeboden en beschikt de tool nu over verse profiler tools.
Experimentele API
Concreet vertaalt dit zich onder andere in de introductie van een experimentele snapshot API in tf.data. Deze API moet de data-output van een preprocessing pipeline to disk opslaan. Op die manier kan al de gebruikte data worden hergebruikt. Dit bespaart dan weer op CPU-gebruik voor het opnieuw berekenen van de data voor andere stappen in het proces.
Daarnaast moet deze experimentele tf.data-dienst het traingingsproces versnellen in het geval dat de ‘attached host’ de dataconsumptie van het AI-model niet kan bijhouden. Bijvoorbeeld als een model meer beelden kan verwerken dan de host kan genereren, zorgt de dienst ervoor dat een cluster van medewerkers de benodigde trainingsdata kan voorbereiden.
TensorFlow profiler
Verder biedt versie 2.3.0 ook een aantal nieuwe tools in TensorFlow profiler. Dit zijn onder meer een geheugenprofiler en een Python-tracer. De geheugenprofiler biedt gebruikers meer inzicht in hoe hun op machine learning gebaseerde model in een bepaalde periode het geheugen gebruikt. Dit is vooral handig bij het optimaliseren van hun modellen of om een beter idee te krijgen wat het precies doet.
Python tracer
De nu toegevoegde Python tracer helpt ontwikkelaars om alle Python-functionaliteit in hun TensorFlow-programma’s te volgen. Ook is het mogelijk om debugging-informatie voor de programmeertaal te visualiseren met behulp van een nieuw Debugger V2 -dashboard. Dit geeft een diepere inkijk in programma’s en laat grafische structuren, geschiedenis van draaimomenten, tensor-competitie en de locatie van code zien.
1 uur geleden
