TensorFlow, TensorFlow 2.0., тензорфлоу

Обзор TensorFlow 2.0

 

tensorflow, TensorFlow, TensorFlow 2.0., тензорфлоу

На саммите разработчиков TensorFlow Dev Summit 2019, который состоялся 6–7 марта в Калифорнии, Google представила TensorFlow 2.0, и кажется, там всё по-другому.

DS
Специализация Data Science
Идет набор в группу 12 500₽ в месяц

Поскольку TensorFlow 1.X. был не самым простым в использовании софтом, разработчики сосредоточились на том, чтобы максимально увеличить юзабилити TF2 и сделать юзер френдли интерфейс, с API как для начинающих, так и для экспертов создания моделей машинного обучения.

В TensorFlow 2.0 удалили избыточные API, а оставшиеся стали более согласованными (Unified RNNs, Unified Optimizer). Переработали API для Keras — инструмента с открытым исходным кодом, который облегчит использование сред разработки AI. Также были улучшены интеграция со средой Python и режим Eager execution.

Несмотря на все новые фичи и улучшения, большинство из нас ждали релиза двух дополнительных модулей, приуроченного Google к выходу новой версии TF2. Они предназначены для того, чтобы помочь разработчикам встроить средства контроля конфиденциальности непосредственно в софт AI для защиты персональной информации пользователей. 

Первый модуль — TensorFlow Privacy, он позволяет алгоритмам МО фильтровать конфиденциальные пользовательские данные и не обрабатывать их. Это достигается за счёт автоматического отсеивания входящих данных, отличных от тех, которые обычно принимает алгоритм.

Второй новый модуль, представленный Google, называется TensorFlow Federated. Это ПО нацелено на использующие ИИ мобильные сервисы, число которых постоянно растёт.

Из-за ограниченной вычислительной мощности современных мобильных девайсов приложения обычно используют облачные серверы для обработки пользовательской информации и её анализа. TensorFlow Federated позволяет приложениям выполнять анализ непосредственно на пользовательском устройстве. Разработчики могут обучать и улучшать свои алгоритмы AI, используя агрегированные пользовательские данные без непосредственного к ним доступа, что повышает безопасность пользователей.

Как и TensorFlow, оба новых модуля имеют открытый исходный код.

текст: Тимонина Мария

Специализация Аналитик Данных

Специализация Data Engineer

Поделиться: