Il sistema di machine learning di Google ora supporta anche iOS
Probabilmente qualcuno ricorderà il nome di TensorFlow, che lo scorso novembre è stato reso open source. Per chi invece non sapesse di cosa stiamo parlando, facciamo un salto indietro: si tratta di un sistema di machine learning sviluppato ed utilizzato da Google in molti suoi prodotti. TensorFlow è composto da una cosiddetta rete neurale, ossia un sistema di complessi algoritmi che imitano il funzionamento del cervello umano e permettono alla macchina di "capire" le informazioni che sta elaborando.
TensorFlow è stato usato anche per AlphaGo, l'intelligenza artificiale che ha battuto il campione mondiale di Go, e viene utilizzato anche dalla ricerca vocale di Google e da tanti altri prodotti commerciali.
LEGGI ANCHE: Perché la vittoria di AlphaGo, l’IA di Google, è così importante?
Adesso, con la versione 0.9 (di cui riportiamo il changelog in inglese in fondo) TensorFlow supporta anche iOS: se volete utilizzare questo sistema per l'apprendimento automatico nelle vostre prossime app per iPhone, vi ricordiamo che potete consultarne liberamente il codice su GitHub.
Major Features and Improvements
- Python 3.5 support and binaries
- Added iOS support
- Added support for processing on GPUs on MacOS
- Added makefile for better cross-platform build support (C API only)
- fp16 support for many ops
- Higher level functionality in contrib.{layers,losses,metrics,learn}
- More features to Tensorboard
- Improved support for string embedding and sparse features
- TensorBoard now has an Audio Dashboard, with associated audio summaries.
Big Fixes and Other Changes
- Turned on CuDNN Autotune.
- Added support for using third-party Python optimization algorithms (contrib.opt).
- Google Cloud Storage filesystem support.
- HDF5 support
- Add support for 3d convolutions and pooling.
- Update gRPC release to 0.14.
- Eigen version upgrade.
- Switch to eigen thread pool
- tf.nn.moments() now accepts a shift argument. Shifting by a good estimate of the mean improves numerical stability. Also changes the behavior of the shift argument to tf.nn.sufficient_statistics().
- Performance improvements
- Many bugfixes
- Many documentation fixes
- TensorBoard fixes: graphs with only one data point, Nan values, reload button and auto-reload, tooltips in scalar charts, run filtering, stable colors
- Tensorboard graph visualizer now supports run metadata. Clicking on nodes while viewing a stats for a particular run will show runtime statistics, such as memory or compute usage. Unused nodes will be faded out.
Via:
9to5Google
Suggeriti per te
