O Google anunciou recentemente o lançamento da versão 1.0 do TensorFlow. A API em Python está estável e as APIs para Java e Go foram incluídas, mas estão em fase experimental. Um novo domínio específico para o compilador, chamado XLA, fornece um aumento de 7.3x no desempenho em configurações com 8 GPIs e 58x para 64 GPUs no modelo de rede neural Inception-v3. Uma nova API de alto nível pode ajudar a construir redes neurais convolucionais, calcular métricas relacionadas a avaliação dos modelos e operações das funções de perda.
O Keras é uma biblioteca de redes neurais em Python de alto nível que fornece uma abstração para usar rapidamente modelos de deep learning e pode ser integrado ao TensorFlow usando um módulo interno.
Rapidamente após este anuncio, o Google também anunciou o tf.transform, uma biblioteca para processamento de dados com TensorFlow. Com base no Apache Bean, o tf.transform pode ajudar a evitar a 'distorção entre o que é treinado e o que é oferecido', problema que ocorre quando os dados em produção diferem dos dados usados no treinamento do modelo.
Para complementar, foi adicionado um depurador em linha de comando, imagens docker para Python 3 e instalação fácil por meio do pip - gerenciador de pacotes. Um efeito colateral destas melhorias é que algumas mudanças criaram algumas incompatibilidades com as versões anteriores, que podem ser resolvidas seguindo o guia de migração e o script de conversão.
Os usuários podem publicar o TensorFlow em sua própria infraestrutura ou usar o Cloud Machine Learning oferecido na PaaS TensorFlow do Google. Os desenvolvedores podem aprender começando com um conteúdo introdutório seguindo até os exemplos mais avançados.
O TensorFlow, em pouco mais de um ano, já é utilizado em mais de 6.000 repositórios de código aberto no GitHub. Mais informações estão disponíveis nos vídeos do evento TensorFlow Developer Summit abordando as atualizações recentes e casos de uso interessantes.