Ditulis oleh Fred Alcober dan Sandeep Gupta , atas nama tim TensorFlow Developer Summit tahunan yang ketiga dan terbesar di Sunnyvale, CA pada tanggal 6 dan 7 Maret 2019. Acara ini dihadiri oleh sekitar 1.000 penggemar machine learning dan disaksikan melalui streaming langsung oleh puluhan ribu lainnya.rilis alfa TensorFlow 2.0 , yang menandai awal era TensorFlow 2.0 dan menghadirkan kemampuan kuat TensorFlow ke lebih banyak developer dan peneliti, membuatnya lebih mudah dibandingkan sebelumnya untuk membangun dan menggunakan ML. Kami juga mengumumkan kemitraan komunitas dan inisiatif edukasi baru dengan O’Reilly Media, Udacity, Deeplearning.ai di Coursera, dan fast.ai untuk membantu mendorong kolaborasi open source dan melatih generasi pengguna baru yang berikutnya. Selanjutnya, kami mendengarkan komunitas kami dan memperbarui dokumentasi developer seluruhnya dan mendesain ulang tensorflow.org untuk mempermudah dalam mendapatkan akses ke sumber daya dan informasi.
Mudah digunakan
Pada TensorFlow 2.0, fokus terbesar adalah membuat API lebih sederhana, lebih intuitif, dan natural untuk semua pengguna. Kami membuat komponen API terintegrasi lebih baik dengan tf.keras sebagai API tingkat tinggi yang disarankan untuk sebagian besar pengguna. Ini akan memungkinkan developer untuk beralih dari penyerapan data, transformasi, pembangunan model, pelatihan, dan penyimpanan, ke penerapan dengan jauh lebih mudah. Kami meluncurkan TensorFlow Datasets , kumpulan set data ML yang biasa digunakan dan siap digunakan dengan mudah di TensorFlow.Developer di Roma yang baru menggunakan ML menggunakan TensorFlow untuk membantu para paleografer menguraikan naskah abad pertengahan fitur konversi dan migrasi serta dokumentasi untuk membantu transisi dari kode 1.x ke 2.0. Hal ini dan banyak lagi sumber daya, contoh, dan studi kasus tentang TensorFlow bisa diakses dari situs tensorflow.org yang baru.
Kekuatan untuk bereksperimen dan menciptakan
TensorFlow mempercepat penelitian mutakhir. Ini dimulai dengan fleksibilitas bagi peneliti untuk membuat prototipe ide-ide mereka dengan cepat, melakukan banyak percobaan, dan mengulangnya. Dengan fitur-fitur baru di TensorFlow 2.0 seperti eager execution secara default, alur kendali Python yang intuitif, optimalisasi otomatis kode eager dengan tf.function, dan pengiriman pesan error yang jauh lebih baik, kami menyempurnakan pengalaman pengembangan peneliti.Para peneliti di NERSC di Lawrence Berkeley National Laboratory, Oak Ridge National Laboratory, dan NVIDIA memenangkan Gordon Bell Prize karena berhasil menskalakan aplikasi deep learning pada superkomputer Summit menggunakan TensorFlow untuk mempelajari efek cuaca ekstrem add-on yang sangat kuat yang memperluas TensorFlow dengan cara baru dan berguna. Beberapa add-on yang kami jelaskan meliputi:
Produksi di platform apa pun dengan bahasa apa pun
Mengambil model dari riset hingga produksi selalu menjadi kekuatan inti dan fokus TensorFlow. Dengan menggunakan TensorFlow, Anda bisa menerapkan model di sejumlah platform seperti server, cloud, seluler dan perangkat canggih lainnya, browser, dan banyak platform Javascript yang lain.Engineer di Airbnb menggunakan TensorFlow untuk secara akurat mengklasifikasikan jutaan gambar rumah yang diupload dalam sehari
TensorFlow untuk Produksi
TensorFlow Extended (TFX) menghadirkan pengelolaan seluruh siklus machine learning kepada pengguna kami. Ia memiliki beberapa library komponen dan kami mengumumkan fitur baru dalam komponen-komponen ini, tetapi yang lebih penting, dukungan orkestrasi yang baru menyatukan semuanya guna menyediakan pengguna dengan platform end-to-end terintegrasi (lihat contohnya di sini ). Dengan dukungan untuk orkestrator Anda sendiri, komponen TFX terintegrasi dengan penyimpanan metadata. Penyimpanan ini melacak semua komponen yang berjalan, artefak yang masuk ke dalamnya, dan artefak yang dihasilkan. Ini mengaktifkan fitur-fitur canggih seperti pelacakan eksperimen, perbandingan model, dll. yang tentunya akan sangat meningkatkan kasus penggunaan produksi.
TensorFlow untuk Seluler & IoT
TensorFlow Lite , solusi kami untuk menjalankan model pada sistem seluler dan sistem tersemat, telah sukses secara global dan sekarang berjalan di lebih dari 2 miliar perangkat seluler — memimpin ML generasi berikutnya pada perangkat. Ia membantu pengguna menyelesaikan kasus penggunaan seperti pembuatan teks prediktif, klasifikasi gambar, deteksi objek, pengenalan audio, pengenalan text to speech dan speech to text, segmentasi video, dan deteksi edge serta banyak lagi yang lain.kinerja ML TensorFlow Lite yang luar biasa dan bagaimana ia memberdayakan ML dalam aplikasi Google utama seperti Penelusuran, Asisten, Foto, dan Pixel.optimalisasi (mis. kuantisasi) dan kinerja (mis. Akselerasi GPU) . Kami juga menunjukkan bagaimana TensorFlow Lite memberdayakan machine learning pada edge dan IoT di platform seperti Coral TPU dan papan mikrokontroler (MCU).
TensorFlow untuk JavaScript
Javascript adalah salah satu bahasa pemrograman yang paling banyak digunakan, dan TensorFlow.js menghadirkan ML ke developer JavaScript. Sejak diluncurkan, Javascript telah diadopsi secara luar biasa oleh komunitas dengan lebih dari 300.000 download dan 100 kontributor. Pada summit ini, kami mengumumkan TensorFlow.js versi 1.0 . Fitur utama dari rilis ini meliputi peningkatan kinerja yang signifikan (MobileNet v1 lebih cepat 9 kali lipat di browser untuk inferensi dibandingkan dengan tahun lalu), banyak model baru untuk developer web yang dimasukkan ke dalam aplikasi, dan dukungan untuk lebih banyak platform tempat JavaScript berjalan. Perusahaan seperti AirBnb dan Uber adalah beberapa perusahaan yang menggunakan TensorFlow.js dalam lingkungan produksi dan kami melihat kasus penggunaan baru yang luar biasa muncul setiap harinya di galeri komunitas project TensorFlow.js.
Swift untuk TensorFlow
Kami juga membagikan progress kami dengan paket Swift untuk TensorFlow terbaru. Dengan versi 0.2 yang baru saja dirilis, pengguna bisa melihat peningkatan kegunaan dan mencoba paradigma ML baru ini. Untuk mempermudah dalam memulai Swift, kami meluncurkan kursus machine learning baru menggunakan Swift untuk TensorFlow dengan fast.ai .
Komitmen terhadap pertumbuhan komunitas
Keberhasilan TensorFlow sebagian besar adalah berkat komunitas pengguna dan developernya yang luar biasa dan terus berkembang. Kami mengembangkan TensorFlow 2.0 dengan selalu memperhatikan masukan komunitas, melalui proses RFC terbuka, banyak Grup Minat Khusus baru, dan masukan serta pengujian komunitas Google Developer Expert kami.#PoweredByTF dan menemukan project baru yang luar biasa sedang dibangun oleh pengguna kami. Kami mengumumkan program Google Summer of Code tempat siswa bisa mengajukan permohonan untuk bekerja dengan tim engineering TensorFlow untuk bersama-sama melakukan pengembangan langsung. Kami juga meluncurkan Powered by TF Challenge baru yang diselenggarakan di DevPost khusus bagi pengguna untuk membuat dan berbagi karya terbaru dan terbaik mereka dengan TensorFlow 2.0.Intro to TensorFlow for AI, ML and DL ”, bagian dari seri TensorFlow: from Basics to Mastery yang diselenggarakan di Coursera. Yang kedua adalah Udacity Intro to TensorFlow for Deep Learning . Kedua kursus itu dirancang dengan mempertimbangkan developer serta tidak memerlukan pengalaman machine learning sebelumnya dan sudah tersedia sekarang.TensorFlow World , konferensi seminggu yang didedikasikan untuk mendorong kolaborasi open source dan semua hal tentang TensorFlow. Konferensi ini, yang dibawakan bersama oleh O'Reilly Media dan TensorFlow, akan diadakan di Santa Clara, CA pada hari minggu 28 Oktober. Visi kami adalah menyatukan dunia TensorFlow yang menakjubkan dan memberikan kesempatan bagi orang-orang untuk terhubung satu sama lain. Panggilan proposal terbuka bagi peserta bila ingin mengirimkan dokumen project TensorFlow yang menarik atau bagi perusahaan bila ingin menunjukkan terobosan solusinya menggunakan TensorFlow, dan kami sangat menantikan Anda di sana.kami percaya aplikasi dan riset AI akan maju lebih cepat ketika semua pengguna memiliki akses ke fitur terbaik, sehingga memungkinkan semua orang untuk berpartisipasi. TensorFlow didedikasikan untuk membantu memberdayakan semua pengguna ML. Kami berkomitmen untuk bekerja sama dengan komunitas untuk membuat TensorFlow mudah bagi semua orang dan mengejar AI untuk kebaikan bersama !
Situs poker online terpercaya uang asli ini selalu menjadi pusat perhatian para pemain judi online karena, mereka ingin sekali mendapatkan permainan kartu judi online yang lengkap, dengan pelayanan yang sangat baik bukan hanya itu saja para pemain juga ingin bisa mendapatkan berbagai macam bonus juga sehingga, akan menambahkan modal yang dimiliki untuk melakukan permainan dan jangan lupa kunjungi situs judi poker dan domino uang asli resmi terpercaya
ReplyDeletemejaqq
diskonqq
qiuqiu99
bcaqq
taipanqq
hondaqq
jaguarqq
sahabatpoker
nagaqq
kristalpoker
This is informative written content along with prepared effectively for the adjust. It can be wonderful to view that will a lot of people even now realize how to produce an outstanding article. We are genuinely happy to travel to your blog.
ReplyDeletedata sgp
prediksi togel
data hk
idn poker
prediksi togel
poker99
judi poker
agen togel online
bandar togel online