Machine Learning: TensorFlow 1.4 integriert Keras als Kernpaket
Googles Machine-Learning-Bibliothek geht mit der tieferen Keras-Integration einen offensichtlichen Schritt, nachdem sich Keras bereits für TensorFlow angepasst hatte. Außerdem bringt das neue Release eine bessere Integration der Datasets-API
- Björn Bohn
Google veröffentlicht drei Monate nach dem letzten Update die neuste Version von TensorFlow, der hauseigenen Machine-Learning-Bibliothek. Die größte Neuerung in Version 1.4 ist dabei, dass die Python-Bibliothek Keras von tf.contrib.keras zum Kernpaket tf.keras. aufgestiegen ist – auch wenn es sich dabei um keine große Überraschung handelt. Keras erfreut sich immer noch größter Beliebtheit und hat bereits zu Beginn des Jahres Anpassungen vorgenommen, um die Integration in TensorFlow zu verbessern.
Keras integriert sich dabei in andere Kernfunktionalitäten von TensorFlow, inklusive der Estimator-API. Entwickler können jetzt außerdem einen Estimator direkt aus einem Keras-Modell mi tf.keras.estimator.model_to_estimator erstellen. Mit der Aufnahme von Keras in den Kern von TensorFlow ist auch jetzt eine Nutzung in Produktions-Workflows vorgesehen. Eine kurze Einführung in Keras und die Arbeit mit Estimators finden sich in den entsprechenden Beiträgen. Die ausführliche Dokumentation zur neuen Version hat Google für Neugierige auch schon entsprechend veröffentlicht.
Datasets und Estimators
Zusätzlich zu Keras hat auch die Dataset-API den Sprung zum Kernpaket geschafft und unterstützt jetzt auch sogenannte Python-Generators. Google empfiehlt außerdem die Nutzung der API, da sie eine offenbar bessere Performance und mehr Funktionen als andere APIs bietet.
Die Veröffentlichung von Version 1.4 bringt außerdem die Funktion tf.estimator.train_and_evaluate mit, die das Training und die Evaluierung von Estimator-Modellen erleichtern soll. Die Funktion ermöglicht dabei eine verteilte Ausführung für Training und Evaluation und trotzdem noch eine lokale Ausführung. (bbo)
