Google lanceert TensorFlow Lite 1.0 en TensorFlow 2.0 alpha

Google heeft TensorFlow Lite 1.0 gelanceerd, het framework voor ontwikkelaars die AI-modellen willen implementeren op mobiele apparaten en IoT-apparaten. Verbeteringen omvatten selectieve registratie en quantization tijdens en na de training voor snellere e kleinere modellen. Quantization heeft geleid tot viervoudige compressie van sommige modellen. Ook TensorFlow 2.0 alpha is door Google bekend gemaakt.

Het nieuws werd bekend gemaakt tijdens de TensorFlow Dev Summit die wordt gehouden in het Google Event Center in Sunnyvale, Californië. Sinds de lancering van TensorFlow in november 2015 is het raamwerk meer dan 41 miljoen keer gedownload en heeft het nu meer dan 1800 bijdragen van over de hele wereld.

Lite begint met het trainen van AI-modellen op TensorFlow en wordt vervolgens geconverteerd om Lite-modellen te maken voor gebruik op mobiele apparaten. Lite werd voor het eerst geïntroduceerd op de I/O developerconferentie in mei 2017 en in de preview van ontwikkelaars later in het jaar. Het TensorFlow Lite-team bij Google deelde ook zijn roadmap, ontworpen om AI-modellen te verkleinen en te versnellen voor gebruik in Edge-applicaties.

Een verscheidenheid aan technieken wordt onderzocht om de grootte van AI-modellen te verkleinen en te optimaliseren voor mobiele apparaten, zoals quantization en delegering. Een aantal native Google-apps en -services maakt gebruik van TensorFlow Lite, waaronder GBoard, Google Photos, AutoML en Nest. Alle berekeningen voor CPU-modellen wanneer Google Assistent offline moet reageren op query’s, worden nu uitgevoerd door Lite. Lite kan ook worden uitgevoerd op apparaten zoals Raspberry Pi en het nieuwe Coral Dev Board. Aangepaste TensorFlow Lite-modellen werken ook met ML Kit, een snelle manier voor ontwikkelaars om modellen voor mobiele apparaten te maken, dat vorig jaar werd geïntroduceerd voor Android- en iOS-ontwikkelaars die Firebase gebruiken.

TensorFlow 2.0 alpha met minder API’s
Ook hun debuut maakten de alpha-release van TensorFlow 2.0 voor een vereenvoudigde gebruikerservaring; TensorFlow.js 1.0; en de versie 0.2-release van TensorFlow voor ontwikkelaars die code schrijven in de programmeertaal Swift van Apple. TensorFlow 2.0 zal op tf.keras vertrouwen als centrale high-level API om het gebruik van het framework te vereenvoudigen. Integratie met de Keras deep learning-bibliotheek begon met de release van TensorFlow 1.0 in februari 2017. Enkele API's die als overbodig worden gezien - zoals de Slim en Layers API's - zullen worden geëlimineerd. Een volledige release van TensorFlow 2.0 staat gepland in Q2 2019. Een TensorFlow 2.0-modelomzetter om Lite-modellen te maken zal beschikbaar komen voor ontwikkelaars.

Verder zijn TensorFlow Federated en TensorFlow Privacy ook vrijgegeven. TensorFlow Federated helpt bij de training van AI-modellen op basis van databronnen vanuit verschillende locaties. TensorFlow Privacy is een machine learning library met sterke bescherming van privacy-data.