Actualité Sortie de la version release candidate de TensorFlow 1.3

Pour approfondir le sujet

TensorFlow 1.4 vient de sortir

La version 1.4 de TensorFlow vient de sortir. Cette nouvelle version officielle, dont la version Release Candidate est sorte il y a un peu...

Intel vous offre un Intel Neural Compute Stick 2

La semaine dernière, Intel nous avait permis de vous dévoiler en avant première l'Intel Neural Compute Stick 2, le stick USB capable d'exploiter des...

TensorFlow sort en version 1.5

La version 1.5 de TensorFlow est sortie le 26 janvier 2018. Cette nouvelle version permet notamment un nouveau mode de développement simplifié, en activant...

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.

Stephane Nachez

Partager l'article

Comment la mairie de Barcelone souhaite favoriser une utilisation éthique de l’intelligence artificielle

La mairie de Barcelone souhaite mettre en œuvre vingt mesures pour garantir que les algorithmes d'intelligence artificielle utilisés par la ville et ceux qui...

Atos et DreamQuark lancent une plateforme numérique destinée aux assureurs et aux banques

Après son acquisition de trois sociétés annoncée cette semaine afin de développer son portefeuille technologique dans plusieurs domaines, Atos a dévoilé une plateforme digitale...

Les archives nationales américaines utiliseront l’intelligence artificielle pour gérer leurs documents numériques

L'Administration des archives des Etats-Unis (ou National Archives and Records Administration - NARA) qui détient tous les documents gouvernementaux du pays, gère des millions...

Mastercard et Ekata, une acquisition pour renforcer sa solution d’identification en ligne

L'entreprise américaine de paiement et de retrait Mastercard a annoncé la prochaine acquisition de la société de solutions de vérification d'identité Ekata pour la...