TensorFlow 2.0 in arrivo: ecco le principali novità

Lo sviluppo di TensorFlow 2.0 è ormai a buon punto. Durante il 2018 abbiamo spesso parlato di questo progetto di Google, che grazie alla sua rapida evoluzione ha saputo imporsi nel mercato dello sviluppo di applicazioni dedicate al machine learning e alle implementazioni di intelligenze artificiali su altri prodotti.

Gran parte delle funzionalità che saranno presenti in TensorFlow 2.0 sono ancora in fase di definizione e sviluppo, tuttavia ci sono alcuni obbiettivi che saranno quasi sicuramente rispettati per questa versione. Nel dettaglio TensorFlow 2.0 si concentrerà su semplicità e facilità d'uso, con aggiornamenti più frequenti ed un sistema di API più pulito e semplificato. Si cercherà infatti di eliminare i duplicati e i vari file deprecati.

Negli ultimi anni sono stati aggiunti numerosi componenti a TensorFlow. Con la futura release questi verranno riuniti in una piattaforma completa che supporterà i flussi di lavoro di apprendimento automatico dalla formazione alla distribuzione.

Model building facilitato

Di recente il team di TensorFlow ha presentato Keras, una nuova API standard dedicata all'apprendimento automatico. Keras sarà l'interfaccia "core" di alto livello utilizzata per costruire e formare i modelli su Tensorflow 2.0. E' stata quindi progettata per rendere l'avvio di un progetto più rapido e semplice.

Keras fornisce diverse soluzioni per la creazione di modelli (sequenziali, funzionali e di sottoclassi), in modo da poter scegliere il giusto livello di astrazione per il proprio progetto.

Robust model deployment in produzione su qualsiasi piattaforma

TensorFlow è indipendente dalla piattaforma corrente e consente sempre di addestrare e distribuire i propri modelli con tutti i linguaggi più diffusi. TensorFlow 2.0 andrà però oltre a questo concetto, il team migliorerà quindi i vari aspetti della libreria in modo tale da eliminare le eventuali differenze tra le piattaforme e incrementare ulteriormente la compatibilità tra di esse e con i vari componenti sviluppati.

E' previsto inoltre il miglioramento del supporto ai vari linguaggi di programmazione come: C, Java, Go, C#, Rust, Julia ed R.

Nuovi strumenti per la sperimentazione e la ricerca

Il machine learning è il focus principale di TensorFlow, il suo team vuole dunque venire incontro alle varie esigenze degli sviluppatori aiutandoli anche a sviluppare nuove strategie e a sperimentare nuove soluzioni. Questo anche grazie nuovi strumenti e funzionalità in arrivo su TensorFlow 2.0 come ad esempio:

• Keras Functional API e Model Subclassing API;
• Custom Training Logic con tf.GradientTape e tf.custom_gradient;
• Estensioni come Ragged Tensors, TensorFlow Probability e Tensor2Tensor;
• Eager execution per abilitare una facile prototipazione e un debug rapido;
• Distribution Strategy API e AutoGraph per l'addestramento in scala;
• Supporto migliorato per le TPU (Tensor processing unit).

Via TensorFlow