Erst letzte Woche erschien der zweite Release Candidate für TensorFlow 2.0, und nun ist es soweit: Die neue Major-Version ist allgemein verfügbar und steht für verschiedene Betriebssysteme zum Download bereit. Was ändert sich an der beliebten Machine-Learning-Plattform?
Python, Keras und Performance
TensorFlow 2.0 soll das Entwickeln von ML-Anwendungen im Vergleich zum Vorgänger erleichtern. Dazu soll unter anderem eine stärkere Keras-Integration beitragen, denn Keras wird nun als zentrales High-Level-API zum Erstellen und Trainieren von Modellen verwendet. Zudem soll Version 2.0 von Python-Entwicklern besser zu bedienen sein: Statt der Erstellung und Ausführung eines Graphen mit tf.Session empfiehlt das TensorFlow-Team, auf reguläre Python-Funktionen zu setzen und den tf.function Decorator zu verwenden. Auch an der Performance wurde gearbeitet: Auf verschiedenen GPUs soll die neue Major-Version schneller laufen.
Efficient Transformers
Christoph Henkelmann, DIVISIO
Enhancing Page Visits by Topic Prediction
Dieter Jordens, Continuum Consulting NV
Machine Learning on Edge using TensorFlow
Håkan Silfvernagel, Miles AS
Zu den weiteren Neuerungen zählen einige Breaking Changes, z. B. wurde Version 2.0 mithilfe von devtoolset7 (GCC7) unter Ubuntu 16 entwickelt. Das könne zu Kompatibilitätsproblemen mit Extensions führen, die auf früheren TensorFlow-Versionen aufbauen.
Wer sich jetzt fragt, was mit bestehendem TensorFlow-1.x-Code geschehen soll, erhält Unterstützung vom TensorFlow-Entwicklerteam: Eine Upgrade-Anleitung sowie eine Migrationsanleitung für TensorFlow 2.0 sollen den Umstieg erleichtern.
Alle weiteren Details zu TensorFlow 2.0 gibt es in einem Medium-Beitrag sowie in den Release Notes.
