Vue d'ensemble
- Swift pour TensorFlow, démonstration à la conférence TensorFlow le mois dernier, ha sido open source sur GitHub
- Il n'en est qu'à ses débuts, développer des frameworks de ML complets est donc hors de votre portée pour le moment
- Regardez la vidéo ci-dessous pour obtenir une introduction et ressentir ce lancement.
introduction
Swift est un langage de programmation open source qui a vraiment décollé ces dernières années. Il a une base d'utilisateurs importante et en constante expansion. Et TensorFlow, comme tu le sais sans doute, est l'une des bibliothèques open source les plus populaires utilisées dans l'apprentissage automatique. Donc, combiner les deux était une évidence pour les gens de TensorFlow.
Pour en savoir plus sur Swift et comment il est utilisé dans la science des données de manière complète et structurée, vous pouvez vous inscrire à ce cours gratuitement: Apprendre Swift pour la science des données
Swift pour TensorFlow a été présenté à la conférence TensorFlow le mois dernier et l'équipe derrière la technologie a maintenant ouvert la source sur GitHub pour l'ensemble de la communauté. Son objectif est de fournir une nouvelle interface pour TensorFlow qui s'appuiera sur ses capacités déjà incroyables., tout en amenant votre convivialité à un tout autre niveau.
D'après le billet de blog officiel de l'équipe TensorFlow, “Swift pour TensorFlow fournit un nouveau modèle de programmation qui combine les performances graphiques avec la flexibilité et l'expressivité de l'exécution Eager., en mettant fortement l'accent sur l'amélioration de la convivialité à tous les niveaux de la pile”. Notez qu'il ne s'agit pas simplement d'un wrapper d'API TensorFlow écrit dans le Langue rapide . L'équipe a ajouté des améliorations de compilateur et de langage à Swift pour offrir une expérience utilisateur de classe mondiale aux scientifiques des données et aux développeurs d'apprentissage automatique..
Vous pouvez entrer dans le référentiel GitHub iciet regardez le lancement de la conférence TensorFlow dans la vidéo ci-dessous:
Notre avis à ce sujet
Ceci n'en est qu'à ses débuts, il n'est donc pas encore prêt à être écrit dans des modèles d'apprentissage en profondeur. L'équipe admet que les objectifs qu'elle a en tête lors du lancement de celui-ci sont encore loin d'être atteints.. Mais il y a beaucoup de potentiel ici qui reste à exploiter..
Ce que j'ai aimé dans cette version, c'est que l'équipe a documenté chaque étape de manière extrêmement détaillée en supposant que la plupart des utilisateurs ne seront pas familiarisés avec Rapide , ou je ne l'aurais pas utilisé avant.
