TensorFlow 2.0, la nueva versión de la librería de machine learning de Google, ya disponible

La librería de machine learning de Google, TensorFlow, ya cuenta con su versión 2.0 disponible para todos aquellos que quieran utilizarla. Llevaba desde esta primavera disponible en versión de pruebas alpha, cuando se presentó en el TensorFlow Dev Summit junto con otras herramientas, pero desde ahora su edición definitiva ya está lista. Su lanzamiento se ha llevado a cabo con vistas al próximo evento para desarrolladores TensorFlow World, que tendrá lugar entre el 28 y el 31 de octubre en la localidad californiana de Santa Clara.

Entre los cambios y mejoras que lleva TensorFlow 2.0 están varios centrados en facilitar el uso de la librería. Entre ellos, la eliminación de varias APIs que sus desarrolladores veían como redundantes. También una integración más estrecha y una mayor dependencia de la API de deep learning de alto nivel Keras, que permite un desarrollo de modelos simplificado.

Además, TensorFlow 2.0 contará con un rendimiento de entrenamiento de modelos tres veces superior al utilizar las GPUs de Nvidia Volta y Turing. Así, con una ejecución más diligente por defecto, esta nueva versión de TensorFlow consigue mejoras en tiempo de ejecución. También un desarrollo de modelos robusto en producción en cualquier plataforma, además de proporcionar herramientas para experimentación de cara a la investigación de notable potencia.

Por otro lado, TensorFlow 2.0 también cuenta con ejecución de funciones de Python, lo que permite que la experiencia de desarrollo de aplicaciones sea lo más familiar posible para los desarrolladores en dicho lenguaje. Los investigadores de machine learning también se beneficiarán de una API de bajo nivel, con la que podrán exportar operaciones empleadas de manera interna para desarrollar modelos en el seno de TensorFlow sin tener que restaurar esta librería.

Para ser capaz de ejecutar modelos en una gran variedad de tiempos de ejecución, el grupo de desarrollo de TensorFlow ha estandarizado el formato de archivos SavedModel, lo que permite ejecutar modelos con TensorFlow, desplegarlos con TensorFlow Serving, utilizarlos en sistemas móviles e integrados con TensorFlow Lite y entrenar y ejecutarlos en el navegador o Node.js con TensorFlow.js.

En caso de que sea necesario emplear escenarios de alto rendimiento, se puede utilizar la API Distribution Strategy para distribuir el entrenamiento con cambios de código mínimos y conseguir un gran rendimiento desde un primer momento. Es compatible con Model.fit de Keras, y también soporta bucles de entrenamiento personalizados. Además, la librería cuenta con soporte multiGPU, y en el futuro también lo será con Cloud TPU. Por otra parte, cuenta con una integración estrecha con TensorRT y emplea una API mejorada para proporcionar una mejor usabilidad y un alto rendimiento durante la inferencia en las GPUs Nvidia T4 Cloud en Google Cloud.

TensorFlow vio la luz en 2005, cuando la lanzó el equipo de Google Brain, y desde entonces se ha descargado más de 40 millones de veces. Se ha convertido en la librería de machine learning open source más popular, y su versión 2.0 proporciona «un ecosistema completo de herramientas para desarrolladores, empresas e investigadores que quieran impulsar lo mejor en machine learning, así como desarrollar aplicaciones escalables basadas en machine learning«.