Google a publié une nouvelle mouture de son outil de machine learning : TensorFlow 2.3.

Cette version apporte notamment deux nouveaux mécanismes, l'un pour résoudre les problèmes de goulots d'étranglement dans les pipeline d'entrée, l'autre pour économiser des ressources.

Dans cette nouvelle version, TF Profiler présente deux nouveaux outils: un profileur de mémoire pour visualiser l'utilisation de la mémoire de votre modèle au fil du temps et un traceur python qui vous permet de tracer les appels de fonctions python dans votre modèle. Concernant l'expérience utilisateur, les améliorations incluent de meilleurs messages de diagnostic et des options de profil pour personnaliser le niveau de verbosité de la trace de l'hôte et du périphérique.

TensorFlow 2.3 Introduit la prise en charge expérimentale de l'API Keras Preprocessing Layers pour gérer les opérations de prétraitement des données, avec prise en charge des entrées de tenseur composites.

A remarquer encore : L'API Python expérimentale; tf.debugging.experimental.enable_dump_debug_info() permet désormais d'instrumenter un programme TensorFlow et de vider les informations de débogage dans un répertoire du système de fichiers. Le répertoire peut être lu et visualisé par un nouveau tableau de bord interactif dans TensorBoard 2.3 appelé Debugger V2, qui révèle les détails du programme, y compris les structures de graphes, l'historique des exécutions d'opérations au niveau Python (impatient) et intra-graphe, etc.

TensorFlow 2.3 est un logiciel libre sous licence Apache 2.0, disponible sur GitHub.