TensorFlow

Il sistema di machine learning di Google ora supporta anche iOS

Giuseppe Tripodi -

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