PyTorch 1.3 wurde veröffentlicht. Im neuen Release der Machine Learning Library gibt es einige neue Features. Sie betreffen unter anderem das Benennen von Tensoren sowie das Mobile Deployment, gelten allerdings noch als experimentell.
Deep Probabilistic Modelling: Wie sieht eine angemessene Modellierung unsicheren Wissens für die Analyse mit Machine Learning aus? Einen Ansatz mit Pyro stellt Chi Nhan Nguyen in dieser Session von der ML Conference 2019 vor. Jetzt im Video die gesamte Session ansehen!
TensorFlow 2.0 ist erschienen. Die Major-Version des Open-Source-Frameworks für Machine Learning bringt einige Neuerungen mit. Dazu zählen eine stärkere Keras-Integration, Performance-Verbesserungen und Breaking Changes.
Wer die Bienen in einem Bienenstock zählen will, braucht viel Geduld. Oder ein gutes Deep-Learning-Tool! Mit DeepBee haben Thiago da Silva Alves und Jean Metz auf der ML Conference 2019 eine Lösung genau dafür vorgestellt.
Die Arbeit an TensorFlow 2.0 geht in den Endspurt: Mit den ersten Release Candidates wurden auch die Highlights und Breaking Changes der neuen Version vorgestellt. Entwickler müssen sich auf einige Änderungen im Vergleich zum Vorgänger gefasst machen.
Oft ist die Interaktion mit Chatbots eher anstrengend. Aber woran liegt das? Ist die Technologie nicht ausgereift oder mangelt es an der passenden Implementierung? Dieser Frage geht Pieter Buteneers in dieser Session von der ML Conference nach.
Computer spielen besser Schach als menschliche Spieler. Wie funktioniert das aber? Dieser Frage geht Oliver Zeigermann in dieser Session von der ML Conference nach. Der Speaker erklärt, welche Prinzipien hinter Stockfish und AlphaZero stecken.
JAXnet ist eine neue Python-Bibliothek für Deep Learning. Sie soll gegenüber beliebten Machine-Learning-Bibliotheken wie PyTorch einige Vorteile bieten und befindet sich noch in einem frühen Entwicklungsstadium.
Machine Learning wird mit Python betrieben, im kommerziellen Umfeld wird aber oft die JVM genutzt. Christoph Henkelmann erklärt in dieser Session von der ML Conference, wie man beide Welten am besten kombiniert.
Seit der Vorstellung des Large-Scale Language Models GPT-2 sind sechs Monate vergangen, und wie versprochen hat OpenAI die Situation erneut evaluiert. Der Quellcode wurde damals bewusst unter Verschluss gehalten, denn GPT-2 könne zum Beispiel zur Erstellung von Fake News verwendet werden. Was hat sich seitdem getan?
PyTorch ist zur Zeit eines der populärsten Frameworks zur Entwicklung und zum Trainieren von neuronalen Netzwerken. Es zeichnet sich vor allem durch seine hohe Flexibilität und die Möglichkeit aus, Standard-Python-Debugger einzusetzen. Dabei müssen keinerlei Abstriche bezüglich der Trainingsperformance gemacht werden.
Die Machine-Learning-Bibliothek PyTorch ist in Version 1.2 erschienen. Mit dem neuen Release geht die bislang experimentelle TensorBoard-Unterstützung in den stabilen Modus über. Ebenfalls dabei: Neues für TorchScript und ONNX sowie Breaking Changes.
