La version 2.0 de la bibliothèque Tensorflow exploiter pour développer des modèles d’apprentissage machine est aussitôt abordable en alpha. L’édition officielle aura lieu au deuxième trimestre de 2019.

La bibliothèque essentielle open source de développement d’algorithmes de machine learning change. TensorFlow 2.0 est dorénavant accessible pour tous en version alpha. Le mot d’ordre est simplification. Cette version alpha va admettre d’identifier et résoudre les éventuels problèmes, pour la promotion officiel de TensorFlow 2.0 au deuxième trimestre 2019.

Dans les mises à jour déjà soutenues à la bibliothèque spécifiquement conçue par Google, l’API Keras – admettant de développer et entraîner des modèles de deep learning – a été davantage intégrée à TensorFlow. Elle prend désormais en charge l’environnement de programmation Eager execution, l’API tf.data, tf.distribute.MirroredStrategy pour l’entraînement multi-GPU, le tableau de bord TensorBoard et la conversion TF Lite et TF.js. Eager execution a aussi été reconsidéré et se lance immédiatement par défaut pour un debugging plus fluide et une principale expérience utilisateur.

Une roadmap bien définie

La fonctionnalité Autograph doit assister l’écriture de modèles avec des opérations de contrôle de flux personnalisées. Tf.function s’y ajoute pour soutenir de meilleures performances graphiques. Un nouveau framework ML de bout-en-bout est offert pour la construction de pipelines avec TFX. Les fonctionnalités tf.contrib ont été soit déplacées vers TensorFlow Core, soit vers tensorflow.addons, soit ne font plus partie de la compilation TensorFlow mais restent développées et soutenues par leurs propriétaires respectifs.

D’autres accessions et extensions sont exposées sur une page dédiée. D’ici le lancement officiel, les équipes du projet open source vont poursuivre à travailler à l’amélioration de « la compatibilité entre les plateformes et les composants en mêlant les formats d’échanges et en alignant les API » indique l’équipe dans un billet de blog. Les fonctionnalités TensorBoard, TensorFlow.js, Lite, TFX et d’autres vont aussi évoluer.