Google Open Source Swift pour tensorflow sans aucun doute un avantage de spécial pour les développeurs intéressés par Swift langage de programmation favori. Il ne pouvait pas non qu'admirer mon père plus Chris Lattner grand mouvement de Swift.
Auparavant, Lattner non seulement d'Apple rapide a dirigé le développement de Swift, la haute disponibilité, très populaire dans la communauté des développeurs, et ensuite, après six mois d'escale Tesla, Lattner choisissent de rejoindre Google cerveau en Août 2017, spécialisée dans la machine l'apprentissage et l'intelligence artificielle, pour l'instant, Swift pour tensorflow être son premier grand mouvement après l'ajout de Google.
Fin du mois dernier, au sommet des développeurs tensorflow tenu, Google a publié un certain nombre de produits lourds. En plus de TensorFlow.js libérer, et l'autre est sur le point d'annoncer l'open source pour Swift tensorflow. Hier, l'engagement de Google à l'honneur, une fois de plus la profondeur de l'apprentissage et artificiels projets liés à l'intelligence développés par les praticiens l'amour de l'orgasme tensorflow. Il est entendu, Swift pour tensorflow sur GitHub open source, lien vers: https: //github.com/tensorflow/swift.
On peut dire jusqu'à présent, tensorflow ont été satisfaites, y compris le soutien pour Python, Java, Swift, Go, C et d'autres langages de programmation.
Selon les rapports officiels, tensorflow
« Swift pour tensorflow à tensorflow fournit un nouveau modèle de programmation, tableau de calcul tensorflow avec la flexibilité et la capacité d'exprimer exécution Désireuse liés ensemble, mais aussi se concentrer sur l'amélioration de la facilité d'utilisation de l'architecture logicielle de chaque couche.
En outre, tensorflow a également préparé un certain nombre de documents détaillant la théorie et la mise en uvre, stockées dans le fichier README, lien: https: //github.com/tensorflow/swift/blob/master/README.md.
Le premier document est un must-read « Swift pour tensorflow Vue d'ensemble de » présente les principaux composants et le mode de liaison du projet ici.
De plus, tensorflow détaille également plusieurs domaines importants du projet, grâce à l'algorithme « Graph Extraction Program » qui permet aux développeurs d'utiliser le modèle de programmation Désireuse de style d'exécution pour la mise en uvre du code, tout en conservant les avantages de la haute performance de calcul carte tensorflow. De plus, ce projet permet aux développeurs d'utiliser l'API Python directement par un code Swift.
Bien sûr, officiel tensorflow a également mentionné que Swift a été choisie comme langue principale, visant à « Programme fiable Graphique algorithme d'extraction pour la conception de langages de programmation ont des exigences élevées. »
En général, depuis l'ouverture tensorflow, API a fourni son réseau de neurones pour construire des degrés de liberté suffisante, dans une large mesure construire et mettre en uvre des fonctions pour résoudre les soucis pour les développeurs, mais d'autre part, compte tenu de l'utilisation de tensorflow de base modèle, Python en tant que scientifique de données dédié langue la plus confortable, et tensorflow est un ajustement très naturel. Même le fondateur fast.ai, Jeremy Howard, ancien président de Kaggle a commenté après avoir vu le projet sur Twitter: « Nous ne sommes pas un Python peut enfin mettre bas? »
Jeremy Howard réponse sur Twitter
Auparavant, fonctionnaire tensorflow avait donné des conseils spéciaux :. « Maintenant, utilisez Swift pour tensorflow Ressaisissez votre modèle d'apprentissage profond est encore trop tôt. »
Donc, quand nous devons commencer à vraiment besoin de Swift et le mettre dans le passé?
Récemment, de Fritz.ai co-fondateur et PDG Jameson Toole a publié un article intitulé « Pourquoi les scientifiques données devraient commencer à commencer à apprendre Swift » (Pourquoi les scientifiques de données devraient commencer à apprendre Swift), dans lequel il a parlé de la Swift pour l'apprentissage et le développement de la machine tensorflow avenir.
Il ne dit pas à Swift considéré comme l'emballage simple, tensorflow, de sorte qu'il est plus facile à utiliser sur les appareils iOS. Sa signification est beaucoup plus que cela. Le projet changera l'ensemble de l'écosystème science de l'apprentissage et les données de la machine à l'aide de l'outil par défaut.
Pourquoi dites-vous?
Il poursuit en disant:
« Dans ce contexte, nous pouvons voir deux tendances sont lentement infiltrat: Un renouveau de l'intelligence artificielle et de l'étude approfondie du réseau de neurones a déclenché, une transformation est en cours d'exécution sur des milliards de téléphones mobiles et des choses intelligentes à l'appareil pour la première application. Les deux techniques nécessitent une puissance de calcul haute performance, Python dans ce cas est particulièrement l'inconfort.
Dans un aspect, l'étude approfondie sur la puissance de l'ordinateur est très coûteux, nécessite l'exploitation d'un long transfert de chaîne tenseur d'énormes ensembles de données. Afin d'effectuer rapidement ces calculs, le logiciel doit être des milliers de lignes et le noyau est compilé avec un processeur dédié. Dans le cas de la chaleur et la consommation d'énergie des appareils mobiles sont en mesure de se concentrer vraiment sur ces questions a commencé intensifia. Relativement parlant, avec moins de mémoire en échange de processeur plus efficace à l'application d'optimisation, ce n'est pas un petit défi. Apparemment, à ce jour, Python est toujours pas une bonne solution.
Les données pour les scientifiques et les chercheurs en termes d'apprentissage de la machine, ce qui est un gros problème. Parce que nous avons recours plus au GPU pour supporter beaucoup de charge de travail, mais la plupart des gens et embourbé dans le développement d'applications mobiles, puis passer le temps d'apprendre un nouveau langage de programmation, il ne semble pas réaliste, mais ce coût de conversion trop élevé a. Par exemple, cet outil d'abstraction multi-plateformes telles que JavaScript projet Node.js et React autochtone. Maintenant, je trouve qu'il est difficile d'achever le projet dans l'environnement Python.
Dans le calcul du bord d'attaque par l'apprentissage de la machine et le monde, le langage Python ne peut pas être la fin, surtout parce que Swift pour stimuler tensorflow. Chris Lattner pense, Python comme langage dynamique, ne peut nous conduire à aller plus loin. Dans son récit, les ingénieurs ont besoin d'un apprentissage de la machine comme un langage de programmation « premier citoyen de classe ». Bien sûr, bien qu'il exposa Pourquoi adopter une nouvelle façon d'analyse compilation est étroitement liée aux changements dans l'utilisation de la construction tensorflow du projet, mais aussi sa compréhension la plus impressionnante du processus de programmation. "
Chris Lattner a proposé une nouvelle façon de construire un système d'apprentissage automatique
Jameson idée Toole de faire toute sorte de machine peut facilement apprendre la langue de programmation présente des caractéristiques:
Lisible, grammaire efficace
fonction Script
Notebook interface similaire à
Grande, communauté active peut construire tiers
TPU de passer à d'autres puces de matériel spécialisé, fournit un codage propre, automatisé
La machine sur un dispositif mobile pour effectuer
C est plus proche de la performance
Wrote dernière, Jameson Toole: Lattner et son équipe utilisent Swift pour tensorflow onze vérifier ces caractéristiques. Tout d'abord, la syntaxe est presque exactement la même chose avec Python. Il y a un script pour ordinateur portable et compilateurs. Plus important encore, ils peuvent exécuter arbitrairement du code Python pour aider la migration, et parce que Swift est maintenant l'option par défaut le développement d'applications iOS, et donc très facile à déployer sur le terminal mobile. compilateur open-source de Swift type de statique et positionné de telle sorte qu'une puces IA particulières sont possibles.
