Google maakt TensorFlow 2.0 algemeen beschikbaar

De tweede versie van Google’s framework voor kunstmatige intelligentie (AI), TensorFlow, is algemeen beschikbaar gemaakt. TensorFlow 2.0 komt met onder meer een nauwe integratie met Keras.

De nieuwe versie van het framework heeft diverse updates en wijzigingen gekregen, met als doel om het gebruiksgemak te verhogen, schrijft Venturebeat. Zo zijn een aantal overtollige API’s verwijderd en is er dus een nauwe integratie en afhankelijkheid van tf.keras als de centrale high-lel API.

De integratie met Keras werd in maart dit jaar al aangekondigd, toen de nieuwe iteratie van TensorFlow werd gepresenteerd. Met Keras kunnen engineers op één plek toegang krijgen tot functies die eerder over meerdere API’s verspreid waren. Ook biedt het meer opties voor het aanpassen van de development workflow. 

De eerste integratie met Keras, een deep learning library, verscheen al bij TensorFlow 1.0 in februari 2017.

Eager Execution

TensorFlow 2.0 krijgt bovendien een functie genaamd eager execution, die standaard aan staat. Dat betekent dat AI-modellen een stuk sneller geactiveerd worden dan bij eerdere versies. Engineers kunnen daardoor verschillende model-variaties uitproberen met minder vertraging tussen testen in. 

TensorFlow 2.0 moet verder drie keer snellere trainingsprestaties leveren als er gebruikt wordt gemaakt van gemixte precisie op de Volta- en Turing-GPU’s van Nvidia. 

Modules

Google rolde bij de aankondiging van TensorFlow 2.0 in maart dit jaar ook een aantal bijbehorende tools uit. Eén daarvan is TensorFlow Privacy, waarmee machine learning-modellen potentieel gevoelige data die ze niet moeten verwerken, verwijderen. De module filtert hiervoor automatisch input die anders is dan informatie die het algoritme normaal gesproken krijgt. 

TensorFlow Federated richt zich op het groeiende aantal mobiele diensten dat afhankelijk is van AI bij de ondersteuning van kernfuncties. De module laat apps de analyse van gebruikersdata direct op het apparaat van de gebruiker uitvoeren. 

Ontwikkelaars kunnen daardoor de resulterende inzichten verzamelen en gebruiken om de AI-algoritmes te verbeteren, zonder dat ze toegang krijgen tot de onderliggende data. De privacy van gebruikers moet zo dus verbeterd worden.