Google lanza TensorFlow 2.0 Alpha a biblioteca de código abierto

Google anunció el miércoles una serie de anuncios relacionados con TensorFlow, la biblioteca de aprendizaje de código abierto que ya se ha descargado más de 41 millones de veces. Para hacerlo aún más accesible, Google está lanzando la versión alfa de TensorFlow 2.0, que Google dice es más simple y más intuitivo de usar.

Google lanza TensorFlow 2.0 Alpha

Además de eso, Google anunció la versión 1.0 de TensorFlow.js para la comunidad de Javascript. Google también presentó TF Federated, un complemento que permite a los usuarios aprovechar los datos descentralizados, así como la Privacidad de TF para una capacitación más justa y segura.

Google también introdujo nuevas herramientas centradas en la privacidad para el aprendizaje automático, como TF Federated y TF Privacy.

Con TensorFlow 2.0, Google hace que los componentes de la API se integren mejor con tf.keras como la API de alto nivel recomendada para la mayoría de los usuarios. Esto debería ayudar a los desarrolladores a pasar más fácilmente de la ingestión de datos a la transformación, la creación de modelos, la capacitación y, en última instancia, a la implementación. Además, el lanzamiento de los conjuntos de datos TensorFlow permite a los desarrolladores importar muchos conjuntos de datos comunes.

TensorFlow 2.0 también contará con una ejecución ágil por defecto, esto significa que las operaciones se ejecutarán inmediatamente después de llamarlos. La nueva versión también cuenta con optimización automática de código eager con tf.function, flujos de control intuitivos de Python y mensajes de error mejorados.

Mientras tanto, Google también está introduciendo nuevos complementos, como TensorFlow Federated. El marco de código abierto permite la experimentación con el aprendizaje automático y otros cálculos sobre datos descentralizados, donde se generan los datos. Por lo general, los modelos de aprendizaje automático necesitan datos ubicados centralmente, lo que puede crear desafíos si los datos son sensibles o costosos de centralizar.

TensorFlow Privacy es una biblioteca de código abierto que facilita a los desarrolladores la capacitación de modelos de aprendizaje automático utilizando técnicas basadas en la teoría de la privacidad diferencial . Ofrece efectivamente una sólida garantía matemática de que los modelos de aprendizaje automático no aprenden ni recuerdan detalles sobre usuarios específicos.

Google también anunció el miércoles la versión 1.0 de TensorFlow.js, que ofrece mejoras significativas para la comunidad de Javascript. Por ejemplo, MobileNet v1 es 9 veces más rápido en el navegador para la inferencia en comparación con el año pasado. También hay nuevos modelos disponibles para que los desarrolladores web los incorporen a las aplicaciones, así como soporte para más plataformas donde se ejecuta Javascript.