Il sistema di machine learning di Google ora supporta anche iOS

Il sistema di machine learning di Google ora supporta anche iOS
Giuseppe Tripodi
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.

style="padding-left: 30px;"

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

Commenta