Suchen

TensorFlow 1.0 Maschinelles Lernen wird massentauglich

| Autor / Redakteur: Dipl. -Ing. Thomas Drilling / Stephan Augsten

Google hat die erste stabile Version 1.0 seines Machine-Learning-Framework TensorFlow freigegeben. Version 1.0 bringt neben einem überarbeiteten Python-API (noch) experimentelle Unterstützung für Java- und Go.

Firmen zum Thema

Tensor Flow 1.0 hebt Machine Learning auf die nächste Evolutionsstufe.
Tensor Flow 1.0 hebt Machine Learning auf die nächste Evolutionsstufe.
(Bild: Google)

Google Mitarbeiter haben TensorFlow 1.0 auf dem TensorFlow-Summit im kalifornischen Montain View veröffentlicht. Zusammen mit dem neuen Compiler für lineare Algebra: XLA (Accelerated Linear Algebra) mausert sich TensorFlow 1.0 zu einem echten Meilenstein im maschinellem Lernen

Das seit November 2015 unter einer freien Lizenz stehende Machine-Learning-Framework kommt heute in unzähligen KI-Anwendungen zur Anwendung, denn Machine Learning hat sich zu einer der innovativsten Disziplinen innerhalb der IT und Computerwissenschaften entwickelt, die täglich mehr Aspekte des Alltags berührt, ob in der Medizintechnik, Sprachunterstützung für PCs und Smartpones, maschinelle Übersetzung, Bildanalyse oder für personalisierte Internet-Werbung.

Über TensorFlow

Bei Google TensorFlow handelt es sich um eine in Python und C++ geschriebene Bibliothek für maschinelles Lernen. Sie erlaubt eine Repräsentation neuronaler Netze durch Graphen und deren Abbildung auf verteilten Computer-Systeme. TensorFlow macht sozusagen Deep-Learning für die Allgemeinheit verfügbar, wobei es das Python-Frontend erlaubt, TensorFlow auf einfache Weise mit anderen Machine-Learning- und Big-Data-Projekten zu integrieren. So unterstützt die TensorBoard-UI beispielsweise beim Erstellen und Trainieren von Modellen, wobei sich TensorFlow wahlweise auf CPUs oder GPUs betreiben lässt.

TensorFlow 1.0

Laut offizieller Veröffentlichungsankündigung von Google soll das Python-API von TensorFlow nun stabil sein und wird bis zur Version 2.0 keine Änderungen mehr erfahren, vor allem um Abwärtskompatibilität zu gewährleistet.

Gegenüber den Vorgängerversionen seit Freigabe des Quellcodes Ende im Jahr 2015 wurde die API allerdings nochmals überarbeitetet, was der Konsistenz der Syntax zwischen TensorFlow und Python dienlich sein soll, allerdings auch eine Anpassung existierender Python-Anwendungen erforderlich macht.

Während die Python-API in Anbetracht der enormen Verbreitung von Python im Machine-Learning-Umfeld bisher im Fokus der Entwicklung stand, bringt TensorFlow 1.0 auch experimentelle APIs für Java und Go mit.

Accelerated Linear Algebra

Ebenfalls noch experimentell eingestuft ist der neue Compiler für lineare Algebra: XLA (Accelerated Linear Algebra). Mit XLA, einem domain-spezifischen Compiler, der sich mit JIT- (Just in Time) und AoT-Kompilierung (Ahead of Time) nutzen lässt, arbeitet Tensorflow deutlich schneller als zuvor, indem er optimierten Maschinen-Code für ausgewählte CPUs oder GPUs erzeugt. Wie sich XLA optimal in eigenen Modellen in Zukunft einsetzen lassen soll, demonstriert Google in Form einer Reihe von Tuning-Tipps auf https://www.dev-insider.de/redirect/584244/dGVuc29yZmxvdy5vcmc/2a67cc8bcb29f0c1f0b5e01098c65d3b0d367c2142d476349e20c666/article/.

XLA hat aber laut Google auch zum Ziel, die Portabilität von TensorFlow-Programmen mittels domänen-spezifischer Kompilierung zu erhöhen. Damit sollen sich weite Quellcode-Teile von TensorFlow-Anwendungen unverändert auf neuer Hardware einsetzen lassen.

Von einer optimierten Speichernutzung und deutlich verkleinerten Footprint profitieren zudem Mobile-Anwendungen. TensorLow 1.0 ergänzt die bereits in früheren Versionen vorhandene Unterstützung für Android, iOS und Raspberry Pi um weitere Neuerungen, wie z. B. Personenerkennung.

Artikelfiles und Artikellinks

(ID:44537296)

Über den Autor

Dipl. -Ing. Thomas Drilling

Dipl. -Ing. Thomas Drilling

IT-Consultant, Trainer, Freier Journalist