Prochain numéro du magazine ActuIA le 15 octobre
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

8 startups et PME françaises lauréates de l’appel à projets EUREKA – Challenge international COVID-19

Bpifrance a annoncé ce jour les lauréats du Challenge international Covid-19. Suite à l'appel à projets ouvert du 15 avril au 15 mai 2020,...

Une approche européenne de l’intelligence artificielle : EIT Digital fait part de ses recommandations

EIT Digital a présenté son troisième rapport de sa série Policy Perspective. Il aborde la manière dont l'Europe devrait gérer l'intelligence artificielle et fournit...

Replay – Conférence 1re Pierre : Cité de l’Intelligence Artificielle organisée par le département des Alpes-Maritimes et l’Institut EuropIA

Le lundi 14 septembre 2020 s'est déroulé le troisième #IADATES organisé par le département des Alpes-Maritimes et l’Institut EuropIA. Intitulée "1re Pierre : Cité...

reciTAL, spécialiste du TAL, lève 3,5 M€ auprès de Breega

Paris, le 10 septembre 2020 - reciTAL, start-up IA spécialisée dans les solutions de Document Intelligence, effectue une première levée de fonds de 3,5 M€...