9 cosas que debes saber sobre TensorFlow
Traducido por Carlos Secada del original por Cassie Kozyrkov (editado por Felipe Chiriboga)
Esta mañana estaba resumiendo mis partes favoritas de una charla que disfruté mucho darla en el Google Cloud Next en San Francisco, ¿Qué hay de nuevo con TensorFlow?
Luego me puse a pensar, y no pude encontrar una razón por la cual no compartir con ustedes mi súper corto resumen (excepto tal vez que probablemente no vayas a ver el video — sin duda deberías verlo, la oradora es espectacular) así que aquí va…
# 1 Es una poderosa estructura de Machine Learning
TensorFlow (TF) es una estructura de Machine Learning que podría ser tu nuevo mejor amigo si tienes muchos datos, y/o buscas lo último en inteligencia artificial (IA): deep learning. Redes neuronales, muy grandes. No es una navaja suiza de ciencia de datos, es un torno industrial… lo que significa que probablemente puedas dejar de leer este Artículo si todo lo que deseas hacer es sólo una línea de regresión en una hoja de cálculo de 20 por 2.
Pero si lo que estás buscando es grande, emociónate. TensorFlow se ha utilizado para buscar nuevos planetas, prevenir la ceguera ayudando a los médicos a detectar la retinopatía diabética y ayudar a salvar los bosques al alertar a las autoridades sobre signos de actividad ilegal de deforestación. Es sobre lo cual AlphaGo y Google Cloud Vision están construidos, y es tuyo para que juegues con él. TensorFlow es de código abierto, puedes descargarlo gratis y comenzar de inmediato.
# 2 El enfoque bizarro es opcional
Estoy locamente enamorada de TensorFlow Eager.
Si probaste TensorFlow en los viejos tiempos y saliste corriendo, gritando, porque te obligó a codificar como un académico/alienígena en lugar de como un desarrollador, ¡regreeeeesa!
La ahora entusiasta ejecución de TensorFlow te permite interactuar con él como un programador de Python puro: toda la inmediatez de escribir y depurar línea por línea en lugar de contener la respiración mientras construyes esos enormes gráficos. Soy un académico en convalecencia (y probablemente un extraterrestre), pero he estado enamorada de la entusiasta ejecución de TF desde que salió. ¡Tan entusiasta por agradarlos!
# 3 Puede construir redes neuronales línea por línea
Keras + TensorFlow = ¡construcción de redes neuronales más fácilmente!
Keras tiene que ver con la facilidad de uso y la creación sencilla de prototipos, algo que el viejo TensorFlow ansiaba mucho más. Si te gusta el pensamiento orientado a objetos y te gusta construir redes neuronales capa por capa, te encantará tf.keras. En solo pocas líneas de código, a continuación, hemos creado una red neuronal secuencial con todas las funcionalidades estándar como dropout (abandono)
Oh, te gustan los rompecabezas, ¿verdad? Paciencia. No pienses demasiado en las engrapadoras.
# 4 No es sólo Python
Cierto, te has estado quejando por un buen tiempo de la monomanía de TensorFlow con Python. ¡Buenas noticias! TensorFlow ya no es solo para Pythonistas. Ahora se ejecuta en muchos idiomas, desde R hasta Swift y JavaScript.
# 5 Puedes hacer todo en el navegador
Hablando de JavaScript, puedes entrenar y ejecutar modelos en el navegador con TensorFlow.js. Anda y emociónate con los geniales demos, todavía estaré aquí cuando regreses.
# 6 Hay una versión Lite para dispositivos pequeños
¿Tienes una computadora desktop que está para chatarra de museo? ¿Una tostadora? (¿La misma cosa?) TensorFlow Lite lleva la ejecución del modelo a una variedad de dispositivos, incluidos dispositivos móviles y IoT, lo que te brinda un aumento de más de 3 veces en la velocidad de inferencia sobre el TensorFlow original. Sí, ahora puedes obtener Machine Learning en tu Raspberry Pi o tu teléfono. En la charla, Laurence hace algo muy valiente al clasificar en vivo imágenes-demos en un emulador de Android frente a miles… y funciona.
# 7 El hardware especializado acaba de mejorar.
Si estás cansado de esperar a que tu CPU termine de procesar tus datos para entrenar tu red neuronal, ahora puedes obtener hardware especialmente diseñado para el trabajo con TPU en la nube. La T es por tensor. Al igual que TensorFlow… ¿coincidencia? ¡Yo creo que no! Hace unas semanas, Google anunció la versión 3 de TPU en alfa.
# 8 Las nuevas pipelines (tuberías) de datos han mejorado mucho
¿Qué es lo que andas haciendo con numpy por allí? En caso de que quisieras hacerlo en TensorFlow pero luego abandonarlo furioso, el tf.data namespace ahora hace que tu procesamiento de entradas en TensorFlow sea más expresivo y eficiente. “tf.data” te da pipelines (tuberías) de datos rápidos, flexibles y fáciles de usar sincronizados con el entrenamiento.
# 9 No necesitas comenzar desde cero
¿Sabes cuál no es una forma divertida de comenzar con Machine Learning? Una nueva página en blanco en tu editor y ningún código de ejemplo por ningún lado. Con TensorFlow Hub, puedes participar en una versión más eficiente de la consagrada tradición de servirte del código de otra persona y hacerlo tuyo (también conocido como ingeniería de software profesional).
TensorFlow Hub es un repositorio de componentes de modelos de Machine Learning reutilizables pre-entrenados, empaquetados para re-uso en una línea. ¡A servirse!
Si bien estamos en el tema de comunidad y no estamos luchando solos, es probable que te guste saber que TensorFlow ya tiene un Canal de YouTube oficial y un blog.
¡Actualización! A partir de marzo de 2019, hay una décima cosa que debes saber…¡
TensorFlow # 10 acaba de convertirse en fácil de usar!
Ahora que hemos terminado con las noticias del año pasado, es hora de hablar de la única cosa que necesitas saber, por sobre todo lo demás: TensorFlow 2,0 por fin está aquí! Es un cambio radical que trata de hacer que TF sea súper fácil de usar. Las consecuencias tendrán grandes efectos en todas las industrias, solo es cuestión de esperar. Lee mis actualizaciones al respecto aquí.
Esto concluye mi resumen, así que aquí está la charla completa para entretenerte durante los próximos 42 minutos.
