Вышел TensorFlow 2.0 с переработанными API и улучшенной производительностью
Новости
Разработчики улучшили производительность при работе с GPU, основательно почистили API и добавили API Keras с разными интерфейсами для построения моделей.
1К открытий1К показов
Автор: Андрей Карпов
Состоялся релиз TensorFlow 2.0 — библиотеки алгоритмов машинного обучения. В этом выпуске разработчики сосредоточились на том, чтобы упростить работу с библиотекой. Вот несколько нововведений:
- Разработчики почистили API, удалили старые и неактуальные вызовы, некоторые переименовали или заменили.
- Появился новый высокоуровневый API Keras. Он предоставляет несколько интерфейсов для работы с моделями и позволяет запускать их без компиляции.
- Добавлен транслятор AutoGraph. Он преобразует команды Python в выражения TensorFlow.
- Производительность при использовании GPU увеличилась. Скорость обучения выросла в 3 раза.
Изначально Google создавала TensorFlow для своих сервисов, чтобы определять лица на фото, распознавать речь и отсеивать спам в Gmail. Сейчас TensorFlow пользуются тысячи специалистов по всему миру для построения моделей машинного обучения.
1К открытий1К показов
Сейчас технология распознавания лиц — одна из важнейших в самых разных областях. В статье расскажу о фреймворках и библиотеках, предназначенных именно для этого.
Собрали профессии, на которые стоит обратить внимание, если вы только ищете «свое» дело или просто хотите сменить профессию. Будут статистика, экспертные мнения и, конечно же, нейросети.
Искусственный интеллект оказывает влияние на всех участников телекоммуникационной отрасли, однако крупные и малые компании выбирают разные подходы к его внедрению. Рассмотрим ключевые области применения генеративных нейросетей в телекоме и изменения, которые происходят в отрасли.
