ML-System jetzt mit nativer Windows-Unterstützung

TensorFlow 0.12 kommt für Windows
Keine Kommentare

Rund ein Jahr nach Erscheinen von TensorFlow kommt das Machine-Learning-System nun auch auf Windows-Rechner. Somit können nun auch Microsoft-User die Vorteile des zu Teilen auf der Deep-Learning-Infrastruktur DistBelief basierenden Tools nutzen.

Der native Support von Windows wurde seit dem Release von TensorFlow von der Community gewünscht; einigen Windows-Nutzern ist es sogar gelungen, TensorFlow in einem Docker-Container laufen zu lassen. Das Google-Team wollte aber eine vollständig native Erfahrung inklusive GPU-Support ermöglichen.

TensorFlow für Windows

Mit TensorFlow 0.12 gibt es jetzt ein natives TensorFlow-Paket für Windows 7, Windows 10 und Windows Server 2016. Entwickler können jede GPU, die NVIDIAs CUDA 8 und cuDNN 5.1 unterstützen, verwenden und nun auch mit Python und C++ unter Windows arbeiten. Veröffentlicht wurde das Release als pip-Package in PyPI, sodass sich TensorFlow mit dem kurzen Befehl C:\> pip install tensorflow installieren lässt.

Des Weiteren bringt TensorFlow 0.12 ein experimentelles API mit sich, das beim Erstellen und Ausführen von Graphen in Go hilft. Außerdem wurden der aktuellen Version eine Bibliothek hinzugefügt sowie einige kleine Verbesserungen spendiert. Ausführliche Informationen zu allen Neuerungen und Änderungen bieten die Release Notes, die auf GitHub einzusehen sind.

TensorFlow für Windows weist aber auch einige Einschränkungen auf: So ist es nicht möglich, GCS- (Google Cloud Storage) und HDFS-Dateisysteme (Hadoop Distributed File System) zu nutzen und auch externe Op-Bibliotheken können noch nicht geladen werden. Derzeit fehlen zudem zahlreiche vordefinierte Ops wie DepthwiseConv2dNative oder QuantizeAndDequantize.

TensorFlow – Machine Learning à la Google

Das Machine-Learning-System TensorFlow basiert in Teilen auf der Deep-Learning-Infrastruktur DistBelief, wurde an vielen Stellen aber mit umfangreichen Verbesserungen – insbesondere, was die Geschwindigkeit angeht – versehen. TensorFlow zeichnet sich durch seine Flexibilität, leichte Bedienbarkeit und Skalierbarkeit aus.

Das ML-System bietet eine ganze Bandbreite an Einsatzmöglichkeiten – und zwar nicht nur für Researcher, sondern auch für die Nutzung in realen Produkten. So hilft es unter anderem dabei, komplexe Daten zu verstehen und kann zudem sowohl auf einzelnen Geräten als auch in Datenzentren genutzt werden. Ebenso lassen sich Ideen über das flexible Python-Interface auch einfach übertragen.

Google selbst nutzt TensorFlow unter anderem für die Spracherkennung in der Google-App, das Smart-Reply-Feature in Inbox oder die Bildersuche in Google Photos.

ML Conference 2019

Workshop: Machine Learning 101++ using Python

mit Dr. Pieter Buteneers (Chatlayer.ai)

Honey Bee Conservation using Deep Learning

mit Thiago da Silva Alves, Jean Metz (JArchitects)

Unsere Redaktion empfiehlt:

Relevante Beiträge

Hinterlasse einen Kommentar

Hinterlasse den ersten Kommentar!

avatar
400
  Subscribe  
Benachrichtige mich zu:
X
- Gib Deinen Standort ein -
- or -