News

TensorFlow 2.1: Keras passt sich Googles TPU besser an

Tensorflow ist in Version 2.1 erschienen. (Grafik: Tensorflow)

Mit Version 2.1 des Machine-Learning-Frameworks Tensorflow verbessert das Projekt das Zusammenspiel mit Googles TPU weiter und unterstützt nativ die Ausführung auf GPU.

Erst vor drei Monaten war Tensorflow in Version 2.0 erschienen. Seit der Version 2.0 ist auch das vormals eigenständige Deep-Learning-Projekt Keras eng an Tensorflow angebunden. Das Projekt entwickelt seither ausschließlich das Tensorflow-Modul tf.keras weiter, so dass Neuheiten nurmehr in diesem Modul zu erwarten sind.

In Version 2.1 arbeitet das Keras-Modul effizienter mit Googles TPU (Tensor Processing Units) zusammen. Ansonsten finden sich viele als experimentell gekennzeichnete Features. Neben Keras erweitert auch tf.distribute, das Paket für das verteilte Training, die Anbindung an Googles TPUs.

Version 2.1 ohne entscheidende Änderungen

Überhaupt bringt Tensorflow 2.1 keine einschneidenden Änderungen. Das wurde bereits mit der Hauptversion 2.0 erledigt. Vielmehr finden sich die Verbesserungen des Punkt-Updates eher unter der Haube. Sie erhöhen die Performance und bringen erweiterte Hardwareunterstützung.

Das Haupt-Paket tensorflow unterstützt nun nativ die Ausführung auf GPUs für Linux und Windows, setzt aber keinen Grafikprozessor voraus. Da es größer als das bisherige Package ist, mag es für GPU-Nutzer günstiger sein, weiter auf das Paket tensorflow-gpu zu setzen, während Nutzer ohne GPU auf das tensorflow-cpu-Paket zurückgreifen können.

Breaking Changes führen zu Änderungsbedarf

Neben der Einführung einiger Neuerungen hat das TensorFlow-Team einige Funktionen entfernt und APIs umbenannt. Hier müssen Entwickler im Einzelfall prüfen und im Zweifel Codeänderungen durchführen, um Inkompatibilitäten zu vermeiden.

Alle Neuerungen und Änderungen in TensorFlow 2.1 entnehmt ihr den Release-Notes auf GitHub. Übrigens ist die Version 2.1 das letzte Release, das mit Python 2 zusammenarbeitet. Der Support für Python 2 war zum Jahreswechsel offiziell ausgelaufen.

Passend dazu: Neuronale Netze entwickeln: Erste Schritte mit TensorFlow

Bitte beachte unsere Community-Richtlinien

Wir freuen uns über kontroverse Diskussionen, die gerne auch mal hitzig geführt werden dürfen. Beleidigende, grob anstößige, rassistische und strafrechtlich relevante Äußerungen und Beiträge tolerieren wir nicht. Bitte achte darauf, dass du keine Texte veröffentlichst, für die du keine ausdrückliche Erlaubnis des Urhebers hast. Ebenfalls nicht erlaubt ist der Missbrauch der Webangebote unter t3n.de als Werbeplattform. Die Nennung von Produktnamen, Herstellern, Dienstleistern und Websites ist nur dann zulässig, wenn damit nicht vorrangig der Zweck der Werbung verfolgt wird. Wir behalten uns vor, Beiträge, die diese Regeln verletzen, zu löschen und Accounts zeitweilig oder auf Dauer zu sperren.

Trotz all dieser notwendigen Regeln: Diskutiere kontrovers, sage anderen deine Meinung, trage mit weiterführenden Informationen zum Wissensaustausch bei, aber bleibe dabei fair und respektiere die Meinung anderer. Wir wünschen Dir viel Spaß mit den Webangeboten von t3n und freuen uns auf spannende Beiträge.

Dein t3n-Team

Schreib den ersten Kommentar!

Melde dich mit deinem t3n Account an oder fülle die unteren Felder aus.

Bitte schalte deinen Adblocker für t3n.de aus!

Hey du! Schön, dass du hier bist. 😊

Bitte schalte deinen Adblocker für t3n.de aus, um diesen Artikel zu lesen.

Wir sind ein unabhängiger Publisher mit einem Team bestehend aus 65 fantastischen Menschen, aber ohne riesigen Konzern im Rücken. Banner und ähnliche Werbemittel sind für unsere Finanzierung sehr wichtig.

Danke für deine Unterstützung.

Digitales High Five,
Stephan Dörner (Chefredakteur t3n.de) & das gesamte t3n-Team

Anleitung zur Deaktivierung