Developpez.com

Plus de 2 000 forums
et jusqu'à 5 000 nouveaux messages par jour

Google rend open source TensorFlow
Son tout nouveau système de machine learning

Le , par Michael Guilloux, Chroniqueur Actualités
Il y a quelques années, les applications de Google n’étaient « pas assez intelligentes » pour exécuter convenablement certaines requêtes des utilisateurs. Il n’était par exemple pas propice de parler à l’application Google dans un endroit bruyant, parce que tout bruit externe affectait de manière considérable le système de reconnaissance vocale. Mais aujourd’hui, cela s’est beaucoup amélioré grâce au machine learning sur lequel un nombre croissant de produits de Google est basé. Cela a permis à la firme de rendre ses applications plus intelligentes, mais elle compte atteindre des résultats plus pertinents avec son nouveau système de machine learning baptisé TensorFlow.

S’il est encore à ses débuts, TensorFlow de l’équipe Google Brain est déjà utilisé pour la reconnaissance vocale dans l’application Google ou pour chercher dans Google Photos. Il est aussi utilisé pour Smart Reply, une fonctionnalité récemment introduite dans l’application Inbox, qui est capable d’analyser des messages reçus et proposer des réponses à l’utilisateur.

« TensorFlow est plus rapide, plus intelligent et plus souple que notre ancien système, de sorte qu’il peut être adapté plus facilement à de nouveaux produits et à la recherche », explique Sundar Pichai, PDG de Google. « C'est un système de machine learning hautement évolutif - il peut fonctionner sur un simple smartphone ou à travers des milliers d’ordinateurs dans les datacenters », a-t-il ajouté.

TensorFlow permet la construction de réseaux de neurones jusqu’à cinq fois plus vite par rapport à l’ancien système de Google, ce qui garantit donc qu’il peut être utilisé pour améliorer les applications plus rapidement. Toutefois, même avec ces performances, le PDG de Google reconnaît que le machine learning n’est qu’à un stade précoce au point où « les ordinateurs d’aujourd’hui ne peuvent toujours pas faire ce qu’un enfant de quatre ans peut faire sans effort ». Pour cette raison, la société rend l’outil open source pour permettre à la communauté du machine learning de progresser rapidement dans les recherches, en échangeant des idées sur un code qui marche, plutôt que de s’établir juste sur des documents de recherche.

Dans un message Google+, Vincent Vanhoucke, chercheur chez Google décrit TensorFlow comme un framework de deep learning, une branche du machine learning, qui vient avec une interface Python facile à utiliser, et qui prend également en charge le langage C++. Le support de bien d’autres langages est également prévu dans le système de Google.

Essayez TensorFlow

Sources : Blog Google, Google+, Google Git

Et vous ?

Qu’en pensez-vous ?

Voir aussi

Forum Intelligence artificielle
Forum Statistiques prédictives


Vous avez aimé cette actualité ? Alors partagez-la avec vos amis en cliquant sur les boutons ci-dessous :


 Poster une réponse

Avatar de ChristianRoberge ChristianRoberge - Membre habitué https://www.developpez.com
le 14/11/2015 à 14:12
Il y a 30 ans lors du début de ma carrière, on parlait beaucoup des réseaux neuronaux, Voir est de constater que malgré quelques succès cette technologie n'a jamais véritablement percé. Cette ouverture me semble un autre "ultime" effort pour faire fonctionner cette technologie. Pour le moment j'attendrais avant de se lancer dans cette avenue technologique, des percées vraiment percutantes. Les preuves restent toujours à faire...
Avatar de dourouc05 dourouc05 - Responsable Qt https://www.developpez.com
le 14/11/2015 à 16:10
En effet, les réseaux neuronaux d'il y a trente ans ne sont pas exactement à la pointe de la technologie. Par contre, quelques améliorations les portent au devant de la scène, sous le sobriquet de techniques d'apprentissage profond (avec des réseaux convolutionnels profonds, notamment). Maintenant, évidemment, tout dépend du domaine d'application.
Avatar de lilalex lilalex - Membre habitué https://www.developpez.com
le 15/11/2015 à 13:34
Cette technologie n'a jamais véritablement percé.

Sauf erreur de ma part, la reconnaissance d'images et de sons se fait via les réseaux neuronaux et les résultats sont assez bon.
Avatar de acx01b acx01b - Membre averti https://www.developpez.com
le 16/11/2015 à 2:06
les RNN (deep learning = réseau de neurone où les couches sont self-recurrent + couches convolutionnal + couches de long short-term memory...) ne sont qu'une petite partie de l'apprentissage automatique. apprenez à nommer vos articles.

Citation Envoyé par ChristianRoberge  Voir le message
Il y a 30 ans lors du début de ma carrière, on parlait beaucoup des réseaux neuronaux, Voir est de constater que malgré quelques succès cette technologie n'a jamais véritablement percé. Cette ouverture me semble un autre "ultime" effort pour faire fonctionner cette technologie. Pour le moment j'attendrais avant de se lancer dans cette avenue technologique, des percées vraiment percutantes. Les preuves restent toujours à faire...

ça revient à la mode grâce à des succès : regarde http://karpathy.github.io/2015/05/21/rnn-effectiveness/ ou http://cs.stanford.edu/people/karpathy/convnetjs/

moi ça m'a convaincu pour étudier les nouvelles techniques d'apprentissage et de design de réseau de neurone qui ont largement progressé.
Avatar de Michael Guilloux Michael Guilloux - Chroniqueur Actualités https://www.developpez.com
le 17/02/2016 à 8:46
TensorFlow Serving : un outil open source de Google
Pour faciliter la mise en production des modèles de machine learning

En novembre dernier, Google a fait passer TensorFlow, son tout dernier système de machine learning, en open source. TensorFlow était encore à ses débuts en ce moment, alors que Google l’annonçait plus rapide, plus intelligent et plus souple que son ancien système de machine learning, de sorte qu’il peut être adapté plus facilement à de nouveaux produits et à la recherche.

TensorFlow permet la construction de réseaux de neurones jusqu’à cinq fois plus vite par rapport à l’ancien système de Google et est utilisé dans de nombreux produits de la firme. Il alimente par exemple la reconnaissance vocale dans l’application Google et est encore utilisé pour chercher dans Google Photos. Il est aussi utilisé pour Smart Reply, une fonctionnalité de l’application Inbox, qui est capable d’analyser des messages reçus et proposer des réponses à l’utilisateur.

Pour accompagner les développeurs qui utilisent déjà sa technologie de machine learning et intéresser de nombreux autres, Google vient encore de rendre open source un autre outil complémentaire baptisé TensorFlow Serving. Ce nouvel outil open source permet aux développeurs de déployer plus facilement leurs modèles de machine learning construits avec TensorFlow. D’après Noah Fiedel, un ingénieur de Google, « TensorFlow Serving rend plus facile et plus rapide le processus de mise en production d’un modèle », a-t-il expliqué dans un billet de blog. Il ajoute encore que TensorFlow Serving « vous permet de déployer en toute sécurité de nouveaux modèles et faire des tests tout en gardant les mêmes architecture de serveur et API ».

Il faut retenir que TensorFlow Serving est orienté vers la phase d’inférence. En d’autres termes, après que les développeurs aient formé leurs modèles sur de grands ensembles de données, TensorFlow Serving se charge de les rendre utilisables dans des environnements de production. Les développeurs pourront donc utiliser les API du nouvel outil open source pour tirer des conclusions sur la base de nouvelles données.

TensorFlow Serving est conçu pour s’exécuter nativement et de manière optimale avec le système de machine de learning de Google, TensorFlow. Toutefois, la société explique qu’il peut également supporter d’autres systèmes.

En ce qui concerne les performances de cet outil de mise en production des modèles de machine learning, Google met en avant sa capacité de gérer plus de 100 000 requêtes par seconde et par cœur sur une machine Xeon de 1  vCPU, selon ses benchmarks. Google note également que TensorFlow Serving peut faire usage de ressources GPU disponibles sur une machine pour accélérer le traitement.

Le code source de TensorFlow Serving est disponible sur GitHub sous la licence Apache 2.0. Google met également à votre disposition un certain nombre de tutoriels pour vous accompagner.

Sources : Google Open Source Blog, GitHub

Et vous ?

Avez-vous déjà utilisé TensorFlow ? Quelles sont vos impressions ?
Que pensez-vous de ce nouvel outil de mise en production des modèles de machine learning ?

Voir aussi

Google rend open source TensorFlow, son tout nouveau système de machine learning
Microsoft publie sa solution d'apprentissage profond pour la reconnaissance vocale, CNTK dépasse en rapidité les logiciels existants
Forum Intelligence artificielle
Forum Statistiques prédictives
Offres d'emploi IT
Responsable de projet logiciel H/F
Safran - Ile de France - Éragny (95610)
Ingénieur statisticien H/F
Safran - Ile de France - Moissy-Cramayel (77550)
Ingénieur produit (FADEC militaire) H/F
Safran - Ile de France - 100 rue de Paris 91300 MASSY

Voir plus d'offres Voir la carte des offres IT
Contacter le responsable de la rubrique Accueil