Só no seu primeiro ano, o TensorFlow ajudou pesquisadores, engenheiros, artistas, estudantes e muitos outros a progredir em tudo, desde tradução de idiomas, detecção antecipada de câncer de pele até a prevenção da cegueira em diabéticos. Estamos muito animados de ver pessoas usando o TensorFlow em mais de 6.000 repositórios de código-fonte aberto on-line.


Hoje, como parte do primeiro TensorFlow Developer Summit anual, que acontecerá em Mountain View e terá transmissão mundial, anunciamos o TensorFlow 1.0:


Mais rápido: O TensorFlow 1.0 é extremamente rápido! O XLA prepara o terreno para ainda mais melhorias de desempenho no futuro, e o tensorflow.org agora oferece dicas para fazer o ajuste fino dos modelos e atingir o máximo de velocidade. Em breve, vamos publicar implementações atualizadas de diversos modelos populares para mostrar como aproveitar todo o potencial do TensorFlow 1.0 — incluindo 7,3 vezes mais velocidade com 8 GPUs para o Inception v3 e de 58 vezes mais para treinamento do Inception v3 distribuído com 64 GPUs!


Mais flexível: O TensorFlow 1.0 apresenta uma API de nível superior para o TensorFlow, com módulos tf.layers, tf.metrics e tf.losses. Além disso, anunciamos a inclusão de um novo módulo tf.keras que fornece compatibilidade integral com o Keras, outra biblioteca de redes neurais de nível superior bem conhecida.


Mais voltado à produção do que nunca: O TensorFlow 1.0 promete estabilidade com a Python API (veja detalhes aqui), facilitando a inclusão de novos recursos e eliminando a preocupação com corromper o código.

Outros pontos de destaque do TensorFlow 1.0:

  • As Python APIs foram alteradas para se parecerem mais com o NumPy. Para ver essas e outras alterações sem retrocompatibilidade feitas para dar mais estabilidade à API daqui em diante, use nosso guia de migração, que é muito prático, e o script de conversão.
  • APIs experimentais para Java e Go
  • Os módulos tf.layers, tf.metrics e tf.losses da API de nível superior — extraídos de tf.contrib.learn depois da incorporação do skflow e TF Slim.
  • Versão experimental do XLA, um compilador específico de domínio dos gráficos do TensorFlow voltado para CPUs e GPUs. O XLA está evoluindo muito rápido e esperamos que o progresso continue nas próximas versões.
  • Introdução do Depurador TensorFlow (tfdbg), de uma interface de linha de comando e uma API para depurar programas ativos do TensorFlow.
  • Novas demonstrações Android sobre detecção e localização de objetos, além de estilização de imagens com base na câmera.
  • Melhorias na instalação: Adição de imagens do Docker com Python 3 e conformidade dos pacotes de pip do TensorFlow com o PyPI. Isso significa que o TensorFlow pode ser instalado com uma simples invocação de pip install tensorflow.

Estamos muito ansiosos para ver o ritmo de desenvolvimento da comunidade TensorFlow do mundo todo. Para saber mais sobre o TensorFlow 1.0 e como ele é usado, assista às palestras do TensorFlow Developer Summit no YouTube, que falam sobre as atualizações recentes das APIs de nível superior e do TensorFlow em dispositivos móveis para o nosso novo compilador XLA, além de formas criativas de usar o TensorFlow:





Clique aqui para acessar um link da transmissão ao vivo e da playlist de vídeos (as palestras individuais serão postadas na Internet mais tarde).


O ecossistema do TensorFlow continua crescendo com as novas técnicas, como o Fold, para agrupar em lote dinamicamente, e ferramentas, como o Projetor de incorporação, além de atualizações às ferramentas atuais, como o TensorFlow Serving. Somos muito gratos à comunidade de colaboradores, educadores e pesquisadores que fizeram avanços profundos nesse aprendizado, que está disponível para todos. Queremos trabalhar com você nos fóruns, como o Problemas do GitHub, o Stack Overflow, o @TensorFlow e o grupo discuss@tensorflow.org e em eventos futuros.