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.

Doing More with Less: Building Machine Learning Solutions without large labeled Datasets

mit Jesus Rodriguez (Invector Labs)

Case Studies: Machine Learning in Web Applications

mit Athan Reines (Quansight)

Deep Learning mit TensorFlow 2

mit Jakob Karalus (Deloitte)

Alles selber lesen war gestern – wie man mit Machine Learning große Textmengen in Erkenntnisse verwandelt

mit Stephanie Fischer und Dr. Christian Winkler (datanizing)

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.