Anunciando o TensorFlow 1.5

Artigo de Laurence Moroney, publicado originalmente pelo Google Developers Blog. A tradução foi feita pela Redação iMasters com autorização.

***

Estamos muito satisfeitos em anunciar que o TensorFlow 1.5 agora é público! Instale-o agora para obter vários novos recursos que esperamos que você aproveite!

Eager Execution for TensorFlow

Primeiro, a Eager Execution para o TensorFlow está agora disponível como preview. Nós ouvimos muitos feedbacks sobre o estilo de programação do TensorFlow e como os desenvolvedores realmente querem um estilo de programação imperativo, definido por executar.

Com a Eager Execution for TensorFlow habilitada, você pode executar as operações TensorFlow imediatamente como elas são chamadas a partir do Python↳Python56 conteúdosVSCode + Python + Alexa: Desenvolva e teste skills para alexa localmente com pythonDev (Back & Front) · out 2025Dominando decoradores em Python: um guia completo com exemplosDev (Back & Front) · jan 2025Desenvolvimento de software: diferenças entre Python, JavaScript e JavaGestão Dev & TI · nov 2024Ver tudo em Dev (Back & Front) →. Isso torna mais fácil começar com o TensorFlow e pode tornar a pesquisa e o desenvolvimento mais intuitivos.

Por exemplo, pense em uma computação simples como uma multiplicação de matriz. Hoje, no TensorFlow, isso ficaria assim:

x = tf.placeholder(tf.float32, shape=[1, 1])
m = tf.matmul(x, x)

with tf.Session() as sess:
  print(sess.run(m, feed_dict={x: [[2.]]}))

Se você habilitar a Eager Execution para TensorFlow, isso ficará mais parecido com isso:

x = [[2.]]
m = tf.matmul(x, x)

print(m)

Você pode aprender mais sobre Eager Execution for TensorFlow aqui (confira o guia do usuário linkado na parte inferior da página, e também esta apresentação) e os documentos da API aqui.

TensorFlow Lite

O developer preview do TensorFlow Lite está integrado na versão 1.5. O TensorFlow Lite, a solução leve do TensorFlow para dispositivos móveis e incorporados, permite que você pegue um modelo TensorFlow treinado e converta-o em um arquivo .tflite que pode ser executado em um dispositivo móvel com baixa latência. Assim, o treinamento não precisa ser feito no dispositivo, nem o dispositivo precisa carregar dados para a nuvem para que ele funcione. Então, por exemplo, se você quiser classificar uma imagem, um modelo treinado pode ser implementado no dispositivo, e a classificação da imagem é feita diretamente no gadget.

O TensorFlow Lite inclui um aplicativo de exemplo para você começar. Esse aplicativo usa o modelo MobileNet de 1001 categorias de imagens exclusivas. Ele reconhece uma imagem e a combina com uma série de categorias, listando as top três que reconhece. O aplicativo está disponível para Android e iOS.

Você pode aprender mais sobre TensorFlow Lite e como converter seus modelos para estarem disponíveis no mobile aqui.

Atualizações de aceleração de GPU

Se você estiver usando aceleração de GPU no Windows ou no Linux↳Linux34 conteúdosKali Linux em um Servidor VPS: como, quando e por que usar?DevSecOps · dez 2024Construindo um Windows Service ou Linux Daemon com Worker Service & .NET Core – Parte 2Dev (Back & Front) · jul 2020Criando uma WebApi utilizando .NET, Linux e VSCodeDev (Back & Front) · ago 2019Ver tudo em DevSecOps →, o TensorFlow 1.5 agora possui suporte para CUDA 9 e cuDNN 7 integrado.

Para saber mais sobre a Compuing Unified Device Architecture da NVidia (CUDA) 9, confira o site da NVidia aqui.

Isso é aprimorado pela CUDA Deep Neural Network Library (cuDNN), cuja versão mais recente é a versão 7. O suporte para isso agora está incluído no TensorFlow 1.5.

Aqui estão alguns artigos do Medium sobre suporte de GPU no Windows e no Linux, e como instalá-los em sua estação de trabalho (se ela for compatível com o hardware necessário).

Atualizações do site de documentação

Em consonância com esta versão, também revisamos o site de documentação, incluindo um fluxo de Getting Started melhorado que o levará de nenhum conhecimento à construção de uma rede neural↳Deep learning9 conteúdosRedes neurais roots – Parte 01Dev (Back & Front) · abr 2019Redes neurais roots – Parte 02: treinamentoDev (Back & Front) · mai 2019Redes neurais roots – Parte 03: show me the codeDev (Back & Front) · mai 2019Ver tudo em AI → para classificar diferentes tipos de íris em um tempo muito curto. Confira!

Outras melhorias

Além desses recursos, há muitas outras melhorias na Accelerated Linear Algebra (XLA), atualizações para RunConfig e muito mais. Verifique as release notes aqui.

Instalando o TensorFlow 1.5

Para obter o TensorFlow 1.5, você pode usar a instalação pip padrão (ou pip3 se você usar o python3).

$  pip install --ignore-installed --upgrade tensorflow

***

Este artigo é do Google Developers Blog. Ele foi escrito por Laurence Moroney. A tradução foi feita pela Redação iMasters com autorização. Você pode acessar o original em: https://developers.googleblog.com/2018/01/announcing-tensorflow-15.html