Actualité Sortie de la version release candidate de TensorFlow 1.3

Pour approfondir le sujet

Apple rachète la start-up Inductiv spécialisée dans le traitement des données pour améliorer Siri

Apple a confirmé l'acquisition d'Inductiv, une start-up canadienne utilisant l’intelligence artificielle pour automatiser les tâches d’identification et de correction des erreurs dans les données....

Le Laboratoire de l’Egalité, en partenariat avec Renault et Engie présente son « Pacte pour une Intelligence Artificielle Égalitaire »

La semaine dernière, à l'occasion de l’événement ExplorIA organisé par le collectif Impact AI, Le Laboratoire de l’Egalité, en partenariat avec Renault et Engie,...

Usine du futur : le projet ASSISTANT porté par IMT Atlantique sélectionné pour Horizon 2020

Le projet ASSISTANT, un consortium proposant de développer des solutions de rupture pour l’industrie manufacturière, en utilisant l’Intelligence Artificielle pour optimiser les systèmes...

Sortie de la version release candidate de TensorFlow 1.3

La version Tensorflow 1.3 RC vient d’être diffusée. Voici un petit récapitulatif des différents changements apportés par cette nouvelle version de la librairie de deep learning open source. Avant d’aller plus loin, rappelons qu’une version Release Candidate n’est pas définitive, mais tout de même plus aboutie qu’une version Beta. Quelques changements sont donc susceptibles d’être encore implémentés, mais ils ne devraient toutefois concerner que de petites corrections de bugs.

De petites modifications à apporter à votre code avant de passer à la version 1.3

Il est tout d’abord important de noter avant de procéder à une mise à jour que :

  • tf.RewriterConfig a été supprimé de l’API Python alors qu’il était disponible en version 1.2 RC.
  • Les listes transmises en tant que paramètres des méthodes de la classe tf.contrib.data.Dataset sont désormais converties en objets tf.Tensorflow par défaut. Il est cependant possible d’éviter ce comportement en les redéfinissant de manière explicite en tant que tuples.
  • Cette version repose sur cuDNN 6.

De nouvelles fonctions de calcul statistique haut niveau

En terme de grandes nouveautés, six nouveaux estimateurs ont été ajoutés : DNNClassifier, DNNRegressor, LinearClassifer, LinearRegressor, DNNLinearCombinedClassifier, DNNLinearCombinedRegressor au package tf.contrib.learn. Ces estimateurs viennent apporter de nouvelles fonctionnalités haut niveau à la librairie.

Vous pouvez bien sûr retrouver la totalité des notes de version détaillant les modifications apportées sur le dépôt GitHub officiel de TensorFlow.

Dernières actualités

Apple rachète la start-up Inductiv spécialisée dans le traitement des données pour améliorer Siri

Apple a confirmé l'acquisition d'Inductiv, une start-up canadienne utilisant l’intelligence artificielle pour automatiser les tâches d’identification et de correction des erreurs dans les données....

Le Laboratoire de l’Egalité, en partenariat avec Renault et Engie présente son « Pacte pour une Intelligence Artificielle Égalitaire »

La semaine dernière, à l'occasion de l’événement ExplorIA organisé par le collectif Impact AI, Le Laboratoire de l’Egalité, en partenariat avec Renault et Engie,...

Usine du futur : le projet ASSISTANT porté par IMT Atlantique sélectionné pour Horizon 2020

Le projet ASSISTANT, un consortium proposant de développer des solutions de rupture pour l’industrie manufacturière, en utilisant l’Intelligence Artificielle pour optimiser les systèmes...

Focus sur ScikitEDS : un outil de visualisation de suivi des flux de patients malades

Focus sur ScikitEDS, un projet de la Mission Covid d'Inria porté par Alexandre Gramfort (EPC Parietal). Suite à l'appel aux bonnes volontés lancé par...