Maschinelles Lernen

TensorFlow 1.5 ist da: Neuer Ausführungsmodus und Machine Learning für Mobile
Kommentare

Googles Machine-Learning-Bibliothek TensorFlow steht in einer neuen Version bereit. TensorFlow 1.5 verspricht einen schnelleren Einstieg ins maschinelle Lernen sowie erweiterte Möglichkeiten für mobile Endgeräte.

Was ist TensorFlow?

TensorFlow ist eine in Python und C++ geschriebene Bibliothek für maschinelles Lernen, die von Google Open Source entwickelt wird. Ziel des Projektes ist es, Deep-Learning-Funktionalitäten für ein breites Publikum verfügbar zu machen.

TensorFlow erlaubt es, neuronale Netze durch Graphen zu repräsentieren und auf verteilten Computer-Systemen abzubilden. Durch das Python-Frontend lässt sich TensorFlow leicht mit anderen Machine-Learning- und Big-Data-Projekten verbinden. Seit TensorFlow 1.0, das im Februar 2017 erschienen ist, stehen auch APIs für Java und Go zur Verfügung.

TensorFlow 1.5

Highlight in TensorFlow 1.5 ist die Integration der sogenannten Eager Execution for TensorFlow. Dabei handelt es sich um ein neues imperatives Interface, in dem Operationen sofort nach einen Python-Aufruf ausgeführt werden. Eine Session.run() ist dafür nicht nötig.

Das TensorFlow Team demonstriert den neuen Ausführungsmodus mit folgendem Beispiel. Zur Multiplikation zweier Matrixen lautet der übliche Python-Code:

 
x = tf.placeholder(tf.float32, shape=[1, 1])
m = tf.matmul(x, x)

with tf.Session() as sess:
  print(sess.run(m, feed_dict={x: [[2.]]}))

Die Eager Execution erlaubt die folgende Schreibweise:

x = [[2.]]
m = tf.matmul(x, x)

print(m)

Mit diesem Modus soll zum einen der schnelle Einstieg in TensorFlow erleichtert werden. Von der Möglichkeit, sofort über Runtime-Fehler informiert zu werden, profitiert zudem das Debugging. Unterstützt werden auch dynamische Modelle über einen einfachen Python Control Flow.

Noch ist die Eager Execution allerdings in einer Preview-Version umgesetzt. Mit Stabilitätsverbesserungen und Erweiterungen darf also gerechnet werden.

TensorFlow Lite

Eine weitere Neuerung ist TensorFlow Lite, die TensorFlow-Variante für mobile und eingebettete Devices, die nun integraler Bestandteil von TensorFlow 1.5 ist. Mit TensorFlow Lite sind Machine-Learning-Funktionalitäten auch auf Ressourcen-beschränkten Geräten möglich. Dafür wird ein bereits trainiertes TensorFlow-Modell mit niedriger Latenz zur Ausführung gebracht.

Beispielsweise kann zur Bilderkennung ein trainiertes Modell auf dem Endgerät deployt werden, sodass die Klassifizierung eines Bildes direkt auf dem Gerät stattfinden kann.

Verbesserungen bei der Nutzung von GPUs, Erweiterungen der Accelerated Linear Algebra sowie eine überarbeitete Dokumentation gehören zu den weiteren Neuerungen in TensorFlow 1.5. Details zu den zahlreichen Bugfixes können in den Release Notes nachgelesen werden.

Trendthema Machine Learning

Maschinelles Lernen ist momentan einer der dynamischsten Innovationsbereiche der IT. Immer mehr Aspekte des Alltags werden von lernenden Systemen durchdrungen, angefangen bei den Sprachassistenten unserer Mobiltelefone, über personalisierte Internet-Werbung, Bildanalyse und Textübersetzung, bis hin zur Krebs- und Diabetes- Früherkennung.

Für Entwickler ergibt sich ein neues, zukunftsträchtiges Betätigungsfeld. So haben in unserer großen JAXenter-Umfrage denn auch 65% der Teilnehmer angegeben, dass Machine Learning für sie im Jahr 2017 „interessant“ oder „sehr interessant“ ist.

Bildschirmfoto 2017-02-16 um 09.54.20

Unsere Redaktion empfiehlt:

Relevante Beiträge

Meinungen zu diesem Beitrag

X
- Gib Deinen Standort ein -
- or -