TensorFlow, una delle più note librerie Open Source per lo sviluppo di piattaforme basate sul Machine Learning, è recentemente giunta alla versione 1.0; si tratta di un aggiornamento implementato per garantire una velocità di esecuzione più elevata, maggiore flessibilità grazie all'introduzione di un'interfaccia di programmazione di alto livello e, non ultima, un'architettura più orientata alla produttività immediata rispetto al passato.
Interessanti gli interventi effettuati a carico delle API Python che sono state modificate con lo scopo di presentare un maggior numero di punti in comune con NumPy, l'estensione libera e aperta di Python che integra nel linguaggio il supporto per vettori, matrici multidimensionali e funzioni matematiche di alto livello; chiaramente si tratta di cambiamenti che potrebbero creare alcuni problemi di incompatibilità, per cui prima di procedere ad eventuali migrazioni sarà bene fare riferimento alla documentazione ufficiale e ai necessari script di conversione offerti dagli sviluppatori del progetto.
Notevole il tentativo di andare oltre Python, che rimane comunque un linguaggio di riferimento per le piattaforme di Machine Learning, grazie all'introduzione in fase sperimentale di API appositamente dedicate a Java e GO; ai test di queste ultime si affiancano quelli a carico del progetto XLA (Accelerated Linear Algebra), un compilatore domain-specific che dovrebbe ottimizzare i processi computazionali di TensorFlow.
Interessanti anche la dotazione di un TensorFlow Debugger (tfdbg), che si presenta come interfaccia da linea di comando e API per il live debugging delle applicazioni, nonché le migliorie apportate all'installazione con l'aggiunta di immagini Docker per Python 3 e la compatibilità di dei package pip con il repository PyPI. D'ora in poi per installare TensorFlow sarà quindi sufficiente un'invocazione all'installer pip.
Diverse le novità per gli sviluppatori di applicazioni destinate al sistema operativo Android, con TensorFlow 1.0 sono infatti disponibili nuove demo incentrate sulla localizzazione, la stilizzazione delle immagini riprese attraverso le videocamere e il riconoscimento degli oggetti presenti all'interno di un ambiente.
Via TensorFlow
