O Servidor TensorFlow da Google coloca modelos de aprendizagem de máquinas em produção
O Google vem trabalhando firmemente na integração do aprendizado de máquinas em seu mecanismo de busca e no sistema operacional Android há algum tempo e agora a empresa lançou um novo projeto de código aberto chamado TensorFlow Serving que permitirá aos desenvolvedores aproveitar seus modelos de aprendizado de máquina.
O novo projeto utilizará a biblioteca de aprendizagem de máquina TensorFlow do Google para ajudar os desenvolvedores a construir e treinar algoritmos de aprendizado de máquina. Embora seja baseado em torno de recursos do Google, TensorFlow Serving também irá apoiar outros modelos e dados e pode ser estendido para fazer uso deles.
Existem outros projetos disponíveis que podem ser usados para tornar o processo de construção e treinamento de algoritmos de aprendizagem de máquina, mas TensorFlow Serving está colocando uma ênfase no uso de seus modelos em ambientes de produção.
Os primeiros desenvolvedores treinarão seus modelos em TensorFlow e então usarão as APIs de TensorFlow Serving para reagir à entrada de seus clientes. O projeto será capaz de aproveitar os recursos de uma GPU da máquina para ajudar a acelerar o tempo de processamento.
TensorFlow Serving permitirá aos desenvolvedores a liberdade de experimentar com vários algoritmos e modelos, enquanto ainda tem uma arquitetura estável e API. A arquitetura permanecerá estável à medida que refinar os modelos ou as mudanças de saída com base em novos dados de entrada.
Em vez de ser escrito na linguagem de programação Google Go, TensorFlow é escrito em C ++ e foi otimizado para o máximo desempenho. O Google afirma que é capaz de lidar com 100.000 consultas por segundo por núcleo em execução em uma máquina Xeon de 16 núcleos.
Para os desenvolvedores que procuram mais informações sobre TensorFlow Serving, agora está disponível no GitHub juntamente com vários tutoriais sobre como começar a usá-lo.
Crédito de imagem: Sarah Holmlund / Shutterstock
Comentários
Postar um comentário