La última versión de Tensor Flow, la herramienta de código abierto de Google para hacer inteligencia artificial basándose en las redes neuronales, ha sido ya liberada e incluye una versión llamada TensorLite, así como un nuevo modelo de ejecución.
Este nuevo modelo, bautizado, como ” eager”, es imperativo, el cual se define por una interface en el momento de ejecución en donde se ejecuta inmediatamente a partir de una llamada en Python. Los beneficios que supuestamente tiene este tipo de ejecución es que hace que la depuración sea más rápida porque se ven los errores de “runtime” de inmediato y se puede incluso usar Python para las labores de depuración. También se da soporte a los modelos dinámicos del control de flujo de Python, a todo esto. Laurence Moroney, de Google, indica: “Con la ejecución “eager” para TensorFlow, se pueden ejecutar las operaciones de TensorFlow inmediatamente al ser llamadas por Python. Esto hace que sea más fácil empezar con TensorFlow y hacer la investigación y desarrollo más intuitivo.”.
La otra mejora principal de esta versión es la inclusión de TensorFlow Lite, la cual es una solución de peso ligero para los dispositivos móviles y embebidos. Usando TensorFlow Lite, se puede entrenar el modelo de TensorFlow y convertirlo en un archivo .tflite, el cual puede ser ejecutado con baja latencia en el dispositivo móvil. Esto evita tener que hacer el entrenamiento en el dispositivo móvil per se, así como evitar tener que cargar los datos de la nube al dispositivo.
Hay otras mejoras, como soporte para CUDA 9 y cuDNN 7, para aquellos que usen la aceleración de GPUs en Windows o Linux. También se mencionan mejoras a XLA (Accelerated Linear Algebra). Se sugiere se visite el sitio oficial de TensorFlow, para darse una idea de lo que ahora el sistema puede hacer.