Megjelent a Google TensorFlow Serving stabil verziója
A nyílt forrású könyvtár a Google TensorFlow-ja mellett harmadik féltől származó modelleket is támogat.
Végleges, 1.0-s verziójába lépett a TensorFlow Serving nyílt forrású könyvtár, amit gépi tanulásos rendszerek éles alkalmazási környezetéhez készített a Google. A TensorFlow projekt részét képző könyvtár első számú feladata, hogy segítse a gépi tanulásos algoritmusok és a kísérleti feladatok (experiments) alkalmazását az élesben is használt szerverarchitektúra és és sztenderd API-k mellett. A TensorFlow Serving linuxos környezethez előrefordított bináris, minden más rendszerhez pedig Docker konténer formájában érhető el.
Nyerd meg az 5 darab, 1000 eurós Craft konferenciajegy egyikét! A kétnapos, nemzetközi fejlesztői konferencia apropójából a HWSW kraftie nyereményjátékot indít.
A könyvtár alapvetően TensorFlow tanulási modelleket tartalmaz, de a lista harmadik féltől származó modellekkel is szabadon bővíthető. Alaphelyzetben egy C++ könyvtárkészletet tartalmaz a Serving 1.0, amely TensorFlow modellek szabványos támogatása mellett egy általános célú platformot (core platform) kínál. Emellett binárisokat is tartalmaz a Serving 1.0, ezekbe a legjobban bevált megoldások mellett egy referencia Docker konténer és oktatóanyag is van. Végül, de nem utolsó sorban a Google Cloud ML részeként egy felhős szolgáltatás is a TensorFlow Serving része, amely különféle Google szolgáltatások által használt példákat tartalmaz.
A Google megjegyzi, hogy házon belül már bizonyított a TensorFlow Serving, amit élesben már több mint 800 projektben alkalmaz a cég. Bár nyílt forrású technológiáját ingyen teszi elérhetővé a Google, a lépésből az arra lecsapó vállalatok mellett a készítő is profitál majd: a nyílt forrású rendszert a cég reményei szerint ugyanis a felhasználók is tovább csiszolják majd, a köré épülő, egyre növekvő közösség pedig jóval tempósabb fejlődést jelent, mintha a vállalat továbbra is csak egymaga dolgozna az eszközön. Az ilyen lépéseknek hála folyamatosan csökken belépési küszöb a gépi tanulási technológiákhoz, amelyekkel így egyre több kis szereplő vagy épp önálló fejlesztő állhat neki kísérletezni, aminek egyenes következménye lehet, hogy a vállalatok berkein kívül is egyre élénkebb közösség jöhet létre a technológia körül.