Diposting oleh Laurence Moroney, Developer Advocate

Dengan senang hati kami umumkan bahwa TensorFlow 1.5 sekarang tersedia untuk umum! Install sekarang untuk menikmati beragam fitur baru yang bisa Anda nikmati!

Eager Execution for TensorFlow


Pertama, Eager Execution for TensorFlow kini tersedia sebagai versi preview. Kami telah mendengar banyak masukan tentang gaya pemrograman TensorFlow, dan bagaimana developer benar-benar menginginkan gaya pemrograman imperatif, define-by-run. Dengan mengaktifkan Eager Execution for TensorFlow, Anda bisa menjalankan operasi TensorFlow segera setelah mereka dipanggil dari Python. Hal ini mempermudah kita ketika ingin memulai TensorFlow, dan menjadikan riset serta development lebih intuitif.

Misalnya, bayangkan sebuah komputasi sederhana seperti perkalian matriks. Sekarang ini, di TensorFlow kodenya terlihat seperti ini: 
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.]]}))

Jika Anda mengaktifkan Eager Execution for TensorFlow, kodenya akan terlihat seperti ini: 
x = [[2.]]
m = tf.matmul(x, x)

print(m)

Anda bisa mempelajari lebih lanjut tentang Eager Execution for TensorFlow di sini (lihat panduan pengguna yang tertaut di bagian bawah halaman, dan juga presentasi ini) serta dokumentasi API di sini.

TensorFlow Lite


Versi preview Developer TensorFlow Lite dibangun ke dalam versi 1.5. TensorFlow Lite, solusi ringan TensorFlow untuk perangkat mobile dan embedded devices, memungkinkan Anda mengambil model TensorFlow terlatih dan mengubahnya menjadi file .tflite yang kemudian bisa dijalankan pada perangkat mobile dengan latensi rendah. Dengan demikian pelatihan tidak harus dilakukan pada perangkat, dan perangkat juga tidak perlu mengupload data ke cloud untuk membuatnya berfungsi. Jadi, andaikata Anda ingin mengklasifikasikan gambar, model terlatih bisa diterapkan ke perangkat dan klasifikasi gambar dilakukan secara langsung di perangkat.

TensorFlow Lite menyertakan contoh aplikasi untuk membantu Anda memulai. Aplikasi ini menggunakan model MobileNet dari 1001 kategori gambar unik. Ia mengenali gambar dan mencocokkannya dengan sejumlah kategori, lalu mencantumkan 3 teratas yang dikenalinya. Aplikasi ini tersedia di Android dan iOS.

Anda bisa mempelajari lebih lanjut tentang TensorFlow Lite, dan cara mengonversi model agar tersedia pada seluler di sini.

Update Akselerasi GPU


Jika Anda menggunakan Akselerasi GPU pada Windows atau Linux, TensorFlow 1.5 sekarang memiliki dukungan bawaan CUDA 9 dan cuDNN 7.

Untuk mempelajari lebih lanjut tentang Compute Unified Device Architecture (CUDA) 9 dari NVidia, cek situs NVidia di sini.

Ini diperkuat CUDA Deep Neural Network Library (cuDNN), rilis terbaru yang merupakan versi 7. Dukungan untuk hal ini sekarang disertakan dalam TensorFlow 1.5.

Berikut adalah beberapa artikel Medium mengenai dukungan GPU pada Windows dan Linux, dan cara menginstalnya pada workstation Anda (jika mendukung hardware yang disyaratkan)

Update Situs Dokumentasi


Bersama dengan rilis ini, kami juga merombak situs dokumentasi, termasuk alur Memulai disempurnakan yang akan membantu Anda dari tidak berpengetahuan hingga membangun neural network untuk mengklasifikasikan berbagai tipe iris dalam waktu yang sangat singkat. Cobalah!

Penyempurnaan Lainnya


Selain fitur-fitur ini, ada banyak penyempurnaan lain untuk Accelerated Linear Algebra (XLA), update RunConfig dan banyak lagi. Lihat catatan rilis di sini.

Menginstal TensorFlow 1.5


Untuk mendapatkan TensorFlow 1.5, Anda bisa menggunakan penginstalan pip standar (atau pip3 jika Anda menggunakan python3) 
$  pip install --ignore-installed --upgrade tensorflow