Swift open source de Google pour TensorFlow constitue sans aucun doute un avantage particulier pour les développeurs passionnés par le langage de programmation Swift. Cela me fait également admirer encore plus la grandeur de Chris Lattner, le père de Swift.
Auparavant, Lattner dirigeait le développement de Swift chez Apple. Il était non seulement rapide et hautement utilisable, mais aussi extrêmement populaire parmi la communauté des développeurs. Par la suite, après un bref séjour de six mois chez Tesla, Lattner a choisi Tesla. en août 2017. A rejoint Google Brain, spécialisé dans l'apprentissage automatique et l'intelligence artificielle. À l'heure actuelle, Swift pour TensorFlow devrait être son premier grand pas après avoir rejoint Google.
De plus, TensorFlow présente également en détail plusieurs domaines importants du projet grâce à l'algorithme « Graph Program Extraction », les développeurs peuvent utiliser une programmation de style Eager Execution. modèles pour implémenter du code tout en conservant les avantages de haute performance des graphiques informatiques TensorFlow. De plus, ce projet permet également aux développeurs d'utiliser l'API Python directement via le code Swift.
Bien sûr, les responsables de TensorFlow ont également mentionné que la raison du choix de Swift comme langage principal est que « la mise en œuvre d'algorithmes fiables d'extraction de programmes graphiques a des exigences élevées pour la conception de langages de programmation ».
En général, puisque Tensorflow est open source, l'API qu'il fournit a suffisamment de liberté pour construire des réseaux de neurones, ce qui résout dans une large mesure les soucis des développeurs pour créer et implémenter des fonctions. compte tenu de l'utilisation du modèle de base de TensorFlow, Python est le langage le plus confortable pour les data scientists, et il s'intègre également naturellement à TensorFlow. Même Jeremy Howard, fondateur de fast.ai et ancien président de Kaggle, a commenté sur Twitter après avoir vu ce projet : « Pouvons-nous enfin abandonner Python ? »
Cours recommandés : Tutoriel Python.
Auparavant, les responsables de TensorFlow avaient donné un rappel spécial : "Il est trop tôt pour réécrire votre modèle d'apprentissage en profondeur à l'aide de Swift pour TensorFlow
Alors, comment pouvons-nous vraiment le faire." devez-vous commencer à investir dans Swift ?
Récemment, Jameson Toole, co-fondateur et PDG de Fritz.ai, a publié un article intitulé "Pourquoi les data scientists devraient commencer à apprendre Swift", dans lequel il parle de Swift pour Tensorflow et de l'avenir de développement de l’apprentissage automatique.
Ne considérez pas Swift comme un simple wrapper pour TensorFlow afin de faciliter son utilisation sur les appareils iOS, a-t-il déclaré. Cela signifie bien plus que cela. Ce que ce projet va changer, c'est l'outil par défaut utilisé par l'ensemble de l'écosystème d'apprentissage automatique et de science des données.
Pourquoi tu dis ça ?
Il a poursuivi :
« Dans ce contexte, nous pouvons voir que deux tendances s'imprègnent lentement : l'une est l'intelligence artificielle à travers les réseaux de neurones et la Renaissance de l'apprentissage profond ; les applications mobiles fonctionnant sur des milliards de smartphones et d'appareils IoT. Les deux technologies nécessitent une puissance de calcul haute performance, et c'est là que Python est particulièrement mal adapté. 🎜 D'une part, l'apprentissage profond est coûteux en termes de calcul, car il nécessite la transmission d'énormes ensembles de données. à travers de longues chaînes d'opérations tensorielles. Pour effectuer ces calculs rapidement, les logiciels doivent coupler des milliers de lignes et de cœurs à des processeurs spécialisés. Lorsque la consommation électrique et la chaleur des appareils mobiles commencent à s'intensifier, relativement parlant. moins de mémoire pour des processeurs plus efficaces est un petit défi. De toute évidence,
Python n'est toujours pas une bonne solutionpour les scientifiques des données et les chercheurs en apprentissage automatique, c'est un gros problème. On n'a plus recours à de lourdes charges de travail sur le GPU, mais la plupart des gens sont coincés dans le développement d'applications mobiles, et il semble irréaliste de passer du temps à apprendre un nouveau langage de programmation, mais le coût de changement est vraiment trop élevé. Par exemple, des projets JavaScript comme Node. js et des outils d'abstraction multiplateformes comme React Native. Désormais, il m'est difficile de mener à bien des projets dans un environnement dominé par l'apprentissage automatique et l'informatique de pointe. Dans le monde, Python ne peut pas devenir un langage de bout en bout<.>, principalement à cause de la promotion de Swift pour TensorFlow. Chris Lattner estime que Python, en tant que langage dynamique, ne peut pas nous amener plus loin
Selon ses mots, les ingénieurs ont besoin d'un langage de programmation qui traite l'apprentissage automatique comme un langage de programmation. « citoyen de première classe ». Bien sûr, alors qu'il explique en profondeur pourquoi l'adoption d'une nouvelle analyse de compilation est étroitement liée au changement de la façon dont vous construisez des projets avec TensorFlow, la chose la plus frappante est la compréhension du processus de programmation »Ce qui précède est le contenu détaillé de. pour plus d'informations, suivez d'autres articles connexes sur le site Web de PHP en chinois!