Visión general
- Swift para TensorFlow, demostración en la conferencia de TensorFlow el mes pasado, ha sido open source en GitHub
- Aún se encuentra en sus primeras etapas, por lo que el desarrollo de marcos de ML completos está más allá de su alcance en este momento
- Mire el video a continuación para obtener una introducción y sentir este lanzamiento.
Introducción
Swift es un lenguaje de programación open source que verdaderamente ha despegado en los últimos años. Dispone de una base de usuarios grande y en constante expansión. Y TensorFlow, como indudablemente sabrá, es una de las bibliotecas open source más populares utilizadas en el aprendizaje automático. Por lo tanto combinar los dos juntos fue una obviedad para la gente de TensorFlow.
Para aprender sobre Swift y cómo se utiliza en la ciencia de datos de una manera completa y estructurada, puede inscribirse en este curso sin costes: Aprenda Swift para la ciencia de datos
Swift para TensorFlow se mostró en la Conferencia de TensorFlow el mes pasado y el equipo detrás de la tecnología ahora ha abierto el código en GitHub para toda la comunidad. Su objetivo es proporcionar una nueva interfaz para TensorFlow que se basará en sus ya increíbles capacidades, mientras lleva su usabilidad a un nivel totalmente nuevo.
Según la publicación del blog oficial del equipo de TensorFlow, «Swift para TensorFlow proporciona un nuevo modelo de programación que combina el rendimiento de los gráficos con la flexibilidad y expresividad de la ejecución Eager, con un fuerte enfoque en la usabilidad mejorada en todos los niveles de la pila». Tenga en cuenta que esto no es solo un contenedor de API de TensorFlow escrito en el Lenguaje rápido . El equipo ha agregado mejoras de compilador y lenguaje a Swift con el fin de otorgar una experiencia de usuario de primer nivel para los científicos de datos y los desarrolladores de aprendizaje automático.
Puedes ingresar al repositorio de GitHub aquíy mira el lanzamiento de la conferencia de TensorFlow en el siguiente video:
Nuestra opinión sobre esto
Esto aún se encuentra en etapas muy incipientes, por lo que aún no está listo para escribirse en modelos de aprendizaje profundo. El equipo admite que los objetivos que tiene en mente al lanzar esto aún están a un tiempo de cumplirse. Pero hay mucho potencial aquí que aún no se ha aprovechado.
Lo que me gustó de esta versión es que el equipo ha documentado cada paso con extremo detalle con la suposición de que la mayoría de los usuarios no estarán familiarizados con Rápido , o no lo habría usado antes.