Intelligence artificielle Sortie de la version release candidate de TensorFlow 1.3

Pour approfondir le sujet

Sur le même thème :

Sonnet, la bibliothèque de réseau neuronal orientée objet de DeepMind, devient open source

En 2015, Google rendait open source TensorFlow, sa bibliothèque d'apprentissage automatique. La firme a également lancé en open source, en décembre 2016, le projet...

Intelligence artificielle : Faire du Deep Learning en Javascript avec TensorFlow.js

En août 2017, nous vous présentions TensorFire, une librairie javascript permettant de faire du Deep Learning directement depuis votre navigateur internet. L'autre librairie permettant...

Google rend disponible Tensor2Tensor en open source et facilite la recherche grâce au deep learning

Dans un post de blog, l'équipe de Google annonce avoir mis en open source Tensor2Tensor, une nouvelle bibliothèque de deep learning spécialement pensée pour...

Google publie en open source une nouvelle API de détection d’objets TensorFlow

Google a annoncé la publication en open source de l'API TensorFlow Object Detection. Ce framework, intégré à TensorFlow, permet de faciliter l'identification des objets...

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.


1ère Marketplace de l'IA et de la transformation numérique vous recommande :
 
Stephane Nachez

Partager l'article

I-Stem, Généthon et Kantify découvrent une thérapie prometteuse contre les maladies génétiques

Les équipes d’I-Stem et de Généthon, laboratoires de l’Association Française contre les Myopathies (AFM-Téléthon), ont collaboré avec la start-up belge Kantify, spécialisée dans le...

La finale de « Ma thèse en 180 secondes » aura lieu à Lyon le 31 mai prochain

« Ma thèse en 180 secondes » concours qui s'inspire de « Three minute Thesis », conçu à l'Université du Queensland, en Australie, est...

CentraleSupélec et SystemX lancent l’Alliance CircularIT pour mettre le numérique au service de l’économie circulaire

Le 10 mai dernier, CentraleSupélec et l’IRT SystemX ont annoncé la création d'« Alliance CircularIT » afin de « mettre la puissance du numérique...

Le Val de Marne mise sur l’intelligence artificielle pour améliorer son réseau d’assainissement

En novembre 2020, l’agence de l’eau Seine-Normandie lançait l'appel à projets innovation pour la gestion de l’eau, « Transition numérique et économie circulaire »...
Recevoir une notification en cas d'actualité importante    OK Non merci