Ditulis oleh: Amy McDonald Sandjideh, Technical Program Manager, TensorFlow

Di tahun pertamanya saja, TensorFlow telah membantu para peneliti, teknisi, artis, pelajar, dan banyak lagi pihak yang lainnya dalam melakukan peningkatan apa saja mulai dari penerjemahan bahasa hingga deteksi dini kanker kulit serta mencegah kebutaan pada penderita diabetes. Kami sangat gembira melihat TensorFlow banyak digunakan di lebih dari 6.000 repositori open-source online.


Sekarang, sebagai bagian dari acara tahunan perdana TensorFlow Developer Summit yang diadakan di Mountain View dan disiarkan langsung ke seluruh dunia, kami memperkenalkan TensorFlow 1.0:


Lebih cepat: TensorFlow 1.0 luar biasa cepat! XLA menyediakan fondasi untuk kinerja yang lebih baik lagi di masa depan, dan tensorflow.org kini dilengkapi tips & trik untuk menyempurnakan model Anda demi mencapai kecepatan maksimum. Kami akan segera memublikasikan implementasi terbaru beberapa model populer yang telah diperbarui untuk menunjukkan cara memanfaatkan TensorFlow 1.0 secara maksimal - termasuk percepatan 7,3x pada 8 GPU untuk Inception v3 dan percepatan 58x untuk pelatihan Inception v3 yang didistribusikan pada 64 GPU!


Lebih fleksibel: TensorFlow 1.0 memperkenalkan high-level API untuk TensorFlow, dengan modul tf.layers, tf.metrics, dan tf.losses. Kami juga telah mengumumkan dimasukkannya modul tf.keras baru yang menyediakan kompatibilitas penuh dengan Keras, yaitu library high-level neural network populer lainnya.


Lebih siap produksi dibanding sebelumnya: TensorFlow 1.0 menjanjikan stabilitas Python API (detailnya di sini), sehingga lebih mudah untuk mengambil fitur baru tanpa khawatir merusak kode yang ada.

Fitur unggulan TensorFlow 1.0 lainnya:

  • Python API telah diubah agar lebih menyerupai NumPy. Untuk perubahan ini dan perubahan mundur-tidak-kompatibel lain yang dilakukan untuk lebih meningkatkan stabilitas API, silakan gunakan panduan migrasi dan skrip konversi siap pakai kami.
  • API Eksperimental untuk Java dan Go
  • Modul API tingkat tinggi tf.layers, tf.metrics, dan tf.losses - dibawa dari tf.contrib.learn setelah menggabungkan skflow dan TF Slim
  • Rilis eksperimen XLA, sebuah compiler domain khusus untuk grafik TensorFlow, yang menargetkan CPU dan GPU. XLA berkembang pesat - diharapkan mengalami lebih banyak kemajuan dalam rilis mendatang.
  • Diperkenalkannya TensorFlow Debugger (tfdbg), yakni antarmuka baris perintah dan API untuk men-debug program TensorFlow secara langsung.
  • Demo Android baru untuk deteksi dan pelokalan objek, serta stilisasi gambar berbasis kamera.
  • Perbaikan pemasangan: Gambar-gambar docker Python 3telah ditambahkan, dan paket pip TensorFlow sekarang sudah kompatibel dengan PyPI. Artinya TensorFlow sekarang bisa dipasang dengan pemanggilan perintah pip install tensorflow sederhana.

Kami senang melihat laju perkembangan dalam komunitas TensorFlow di seluruh dunia. Untuk mengetahui lebih lanjut tentang TensorFlow 1.0 dan cara penggunaannya, Anda bisa menonton perbincangan TensorFlow Developer Summit di YouTube, yang meliputi pembaruan terkini mulai dari API tingkat yang lebih tinggi, TensorFlow di ponsel, hingga compiler XLA baru kami, serta cara-cara menarik dalam menggunakan TensorFlow:





Klik di sini untuk memperoleh tautan siaran langsungnya serta playlist video


Ekosistem TensorFlow terus tumbuh dengan teknik baru seperti Fold untuk batching dinamis dan alat-alat bantu seperti Embedded Projector beserta pembaruan pada tools yang sudah ada seperti TensorFlow Serving. Kami sangat berterima kasih kepada komunitas kontributor, pendidik, dan peneliti yang telah membuat kemajuan dalam pembelajaran mendalam yang tersedia untuk semua orang. Kami berharap untuk bekerja sama dengan Anda di forum-forum seperti GitHub issues, Stack Overflow, @TensorFlow, grup discuss@tensorflow.org, dan di acara-acara lainnya di masa mendatang.