{"id":38573,"date":"2019-10-31T22:24:37","date_gmt":"2019-10-31T19:24:37","guid":{"rendered":"https:\/\/prohoster.info\/blog\/vypusk-sistemy-mashinnogo-obucheniya-tensorflow-2-0\/"},"modified":"2019-10-31T22:24:37","modified_gmt":"2019-10-31T19:24:37","slug":"vypusk-sistemy-mashinnogo-obucheniya-tensorflow-2-0","status":"publish","type":"post","link":"https:\/\/prohoster.info\/fr\/blog\/news\/vypusk-sistemy-mashinnogo-obucheniya-tensorflow-2-0","title":{"rendered":"Publication du syst\u00e8me d'apprentissage automatique TensorFlow 2.0","gt_translate_keys":[{"key":"rendered","format":"text"}]},"content":{"rendered":"

Pr\u00e9sent\u00e9<\/a><\/noindex> lancement significatif de la plateforme d'apprentissage automatique TensorFlow 2.0<\/a><\/noindex>, offrant des impl\u00e9mentations pr\u00eates \u00e0 l'emploi de divers algorithmes d'apprentissage profond, une interface de programmation simple pour la construction de mod\u00e8les en Python, et une interface basse niveau pour C++, permettant de g\u00e9rer la construction et l'ex\u00e9cution de graphiques de calcul. Le code du syst\u00e8me est \u00e9crit en C++ et Python et est distribu\u00e9<\/a><\/noindex> sous licence Apache. <\/p>\n

La plateforme a \u00e9t\u00e9 initialement d\u00e9velopp\u00e9e par l'\u00e9quipe Google Brain et est utilis\u00e9e dans les services de Google pour la reconnaissance vocale, la d\u00e9tection de visages sur des photos, la d\u00e9termination de similarit\u00e9s d'images, le filtrage de spam dans Gmail, la s\u00e9lection<\/a><\/noindex> des actualit\u00e9s dans Google News et l'organisation de la traduction en tenant compte du sens. Des syst\u00e8mes distribu\u00e9s d'apprentissage automatique peuvent \u00eatre cr\u00e9\u00e9s sur du mat\u00e9riel standard, gr\u00e2ce \u00e0 la prise en charge int\u00e9gr\u00e9e dans TensorFlow de la r\u00e9partition des calculs sur plusieurs CPU ou GPU. <\/p>\n

TensorFlow fournit une biblioth\u00e8que d'algorithmes de calcul num\u00e9rique, impl\u00e9ment\u00e9s \u00e0 travers des graphes de flux de donn\u00e9es (data flow graphs). Les n\u0153uds dans ces graphes r\u00e9alisent des op\u00e9rations math\u00e9matiques ou des points d'entr\u00e9e\/sortie, tandis que les ar\u00eates du graphe repr\u00e9sentent des tableaux de donn\u00e9es multidimensionnels (tenseurs) qui circulent entre les n\u0153uds.
\nLes n\u0153uds peuvent \u00eatre associ\u00e9s \u00e0 des dispositifs de calcul et ex\u00e9cut\u00e9s de mani\u00e8re asynchrone, traitant simultan\u00e9ment tous les tenseurs qui s'y adaptent, ce qui permet d'organiser le fonctionnement simultan\u00e9 des n\u0153uds dans un r\u00e9seau neuronal, \u00e0 l'image de l'activation simultan\u00e9e des neurones dans le cerveau.<\/p>\n

L'accent a \u00e9t\u00e9 mis sur la simplification et la facilit\u00e9 d'utilisation lors de la pr\u00e9paration de la nouvelle version. Certains<\/a><\/noindex> nouveaut\u00e9s<\/a><\/noindex>:<\/p>\n