Menü
Developer

Machine Learning: Das sind die Pläne für TensorFlow 2.0

Dieses Jahr erscheint TensorFlow 2.0: und zwar mit neuer Architektur, einfacherem Model Building mit Keras und überarbeiteten APIs.

Von
vorlesen Drucken Kommentare lesen 25 Beiträge
Machine Learning: Das sind die Pläne für TensorFlow 2.0

(Bild: Machine Learning & Artificial Intelligence / Mike MacKenzie / cc-by-2.0))

Das Team hinter dem Machine-Learning-Framework TensorFlow hat die Pläne für die nächste Hauptversion des Frameworks vorgestellt. Version 2.0 soll demnach dieses Jahr erscheinen und noch Anfang des Jahres in einer ersten Preview-Version vorliegen.

Die TensorFlow-Entwickler haben eine Reihe von Änderungen am Framework vorgesehen. Sie wollen den in den vergangenen Jahren hinzugefügten Komponenten Rechnung tragen und die Architektur des Frameworks überarbeiten. Außerdem wollen sie das Model Building mit Keras vereinfachen und die APIs des Frameworks überarbeiten.

Mehr Infos

Sonderheft iX Developer – Machine Learning

TensorFlow ist ein wichtiger Bestandteil des iX-Sonderhefts "iX Developer – Verstehen, verwenden, verifizieren", neben zahlreichen weiteren Machine-Learning-Themen. Es ist am Kiosk erhältlich sowie als PDF-Version im heise Shop erhältlich.

Der Blogbeitrag zum Thema zeigt ein Diagramm, das die aufgeräumte Architektur des Frameworks darstellt. Sie gliedert sich in die Bereiche Training und Deployment und soll die typischen Workflows im Machine-Learning-Umfeld besser unterstützen.

Die Architektur von TensorFlow 2.0

(Bild: TensorFlow)

Bereits seit Version 1.4 von TensorFlow ist die Python-Bibliothek Keras in das Projekt integriert. Keras gilt als benutzerfreundlich und erfreut sich laut einem weiteren Beitrag des Teams großer Beliebtheit. Darum soll Keras in TensorFlow die zentrale High-Level API zum Erstellen und Trainieren von Machine-Learning-Modellen werden. Das soll Einsteigern den Zugang zu TensorFlow erleichtern.

Darüber hinaus möchten die TensorFlow-Entwickler die Gelegenheit der neuen Hauptversion nutzen, um auch bei den APIs für Ordnung zu sorgen. Das soll das Deployment von Modellen robuster machen. Da TensorFlow auch für Forschungszwekce zum Einsatz kommt, sollen die Keras Functional API und die Model Subclassing API auch komplexere Modelle umsetzen können. Erweiterungen wie Ragged Tensors, TensorFlow Probability und Tensor2Tensor sollen das Portfolio für die Forschung ergänzen.

Im Vergleich zu TensorFlow 1.x sind die Graph Collections entfernt worden, ebenso die Queue Runners – tf.data ersetzt sie künftig. Außerdem gibt es einige Änderungen bei den API-Symbolen. Um den Umstieg von TensorFlow 1.x auf 2.0 einfach zu machen, ist ein Konvertierungswerkzeug in Arbeit. (bbo)