Machine Learning: Google setzt mit Tensorflow Enterprise und Tensorboard.dev Akzente gegen Pytorch
Tensorflow Enterprise ist eine komplette Machine-Learning-Umgebung, die quasi schlüsselfertige Trainings ohne weiteren Aufwand seitens des Kunden ermöglicht. Tensorboard.dev hingegen richtet sich an die Entwickler von Machine-Learning-Szenarien und bietet ihnen eine einfache Oberfläche für die Visualisierung ihrer Modelle.
Beiden gemeinsam ist, dass das Hosting komplett auf Google-Seite stattfindet, sodass direkt mit der Arbeit begonnen werden kann, ohne sich um die erforderliche Infrastruktur kümmern zu müssen. Eine weitere Gemeinsamkeit ist, dass beide bislang nur in einer Art Preview funktionieren. Die allgemeine Verfügbarkeit ist derzeit noch nicht gegeben.
Tensorflow Enterprise übernimmt den Trainingsprozess komplett
Tensorflow ist eines der beiden führenden Machine-Learning-Frameworks und steht im direkten Wettbewerb zu Facebooks Pytorch, das zuletzt an Momentum gewinnen konnte und sich insbesondere im Bereich der Machine-Learning-Forschung mehr und mehr gegen Tensorflow durchsetzt.
Im Produktiveinsatz führt indes Tensorflow nach wie vor das Feld an. Hier setzt Google dann auch mit seinem Machine-Learning-as-a-Service an und bietet die gesamte Prozesskette mit Tensorflow Enterprise aus einer Hand. Der neue Dienst entstammt der engen Kooperation des Google-Cloud- und des Tensorflow-Entwickler-Teams. Dabei nutzt Tensorflow Enterprise Googles KI-Plattform, die Kubernetes Engines, sowie angepasste Versionen der noch im Beta-Status befindlichen, aber allgemein verfügbaren Deep Learning VMs und Deep Learning Container.
Die Vorteile liegen schon auf der Hand, wenn es nur um den Wegfall eigener Infrastrukturaufwendungen geht. So wird kein eigener Server, kein eigener Serveradministrator und kein Wartungsaufwand fällig. Tensorflow Enterprise ist ein voll skalierbares Produkt auf der Google Cloud und mit Unternehmens-Support versehen. Und dieser Support sei laut Google besonders kompetent, komme er doch direkt von dem Team, das Tensorflow auch entwickelt habe.
Google legt jedoch Wert auf die Feststellung, dass Tensorflow Enterprise mehr zu bieten hat als eine bloße Vorinstallation des Frameworks auf Google-Servern. So sei insbesondere die Zuführung der Trainingsdaten zum Framework häufig ein Flaschenhals im Machine-Learning-Prozess. Durch die Zuspielung der Daten über die skalierbare Google Cloud würden sich hier deutliche Performance-Vorteile bieten, verspricht Google.
Tensorboard.dev ist ein gehostetes Visualisierungstool
Tensorboard.dev ist eine gehostete Version des Visualisierungstools Tensorboard und eignet sich für die visuelle Darstellung der Machine-Learning-Prozesse und -Ergebnisse. Hierüber lassen sich wichtige Kennzahlen verfolgen, Diagramme der Machine-Learning-Modelle visualisieren, sowie jedwede veränderlichen Tensoren anzeigen.
Gehostetes Tensorboard auf Tensorboard.dev. (Screenshot: Google)
Der Schwerpunkt bei Tensorboard.dev liegt in der Möglichkeit, Ergebnisse leicht hochladen und vor allem mit anderen teilen zu können. So sollen Fehler leichter erkannt und die Teamarbeit gefördert werden. Der Dienst ist bis zu einem Speicherbedarf von zehn Millionen Datenpunkten frei.
Die Tensorflow-Community trifft sich übrigens heute zum letzten Tag der Fachkonferenz „Tensorflow World“ im kalifornischen Santa Clara.
Passend dazu: Machine-Learning-Frameworks: Pytorch überflügelt Tensorflow in der Forschung