Enable javascript in your browser for better experience. Need to know to enable it? Go here.
As informações desta página não estão completamente disponíveis no seu idioma de escolha. Esperamos disponibiliza-las integralmente em outros idiomas em breve. Para ter acesso às informações no idioma de sua preferência, faça o download do PDF aquí.
Atualizado em : Nov 20, 2019
NÃO ENTROU NA EDIÇÃO ATUAL
Este blip não está na edição atual do Radar. Se esteve em uma das últimas edições, é provável que ainda seja relevante. Se o blip for mais antigo, pode não ser mais relevante e nossa avaliação pode ser diferente hoje. Infelizmente, não conseguimos revisar continuamente todos os blips de edições anteriores do Radar. Saiba mais
Nov 2019
Trial ? Vale a pena ir atrás. É importante entender como desenvolver essa capacidade. As empresas devem experimentar esta tecnologia em um projeto que possa lidar com o risco.

Com seu lançamento 2.0, o TensorFlow mantém sua proeminência como o framework de aprendizado de máquina líder da indústria. O TensorFlow começou como um pacote de processamento numérico que gradualmente se expandiu para incluir bibliotecas que suportavam uma variedade de abordagens de aprendizado de máquina e ambientes de execução, variando de CPU mobile para grandes clusters de GPU. Ao longo do caminho, uma grande quantidade de frameworks ficou disponível para simplificar as tarefas de criação de redes e treinamento. Ao mesmo tempo, outros frameworks, notadamente o PyTorch, ofereciam um modelo de programação crucial que deixavam o debugging e execução mais simples e mais fáceis. O TensorFlow 2.0 agora tem como padrão o fluxo imperativo (execução eager) e adota a Keras como única API de alto nível. Embora essas mudanças modernizem a usabilidade do TensorFlow e o deixem mais competitivo com o PyTorch, é uma reescrita significativa que muitas vezes tem problemas de compatibilidade – muitas ferramentas e frameworks auxiliares no ecossistema do TensorFlow não funcionarão imediatamente com a nova versão. Por enquanto, considere se você quer projetar e experimentar no TensorFlow 2.0, mas reverta para a versão 1 para executar seus modelos em produção.

Nov 2016
Assess ? Vale a pena explorar com o objetivo de compreender como isso afetará sua empresa.

Google's TensorFlow is an open source machine-learning platform that can be used for everything from research through to production and will run on hardware from a mobile CPU all the way to a large GPU compute cluster. It's an important platform because it makes implementing deep-learning algorithms much more accessible and convenient. Despite the hype, though, TensorFlow isn't really anything new algorithmically: All of these techniques have been available in the public domain via academia for some time. It's also important to realize that most businesses are not yet doing even basic predictive analytics and that jumping to deep learning likely won't help make sense of most data sets. For those who do have the right problem and data set, however, TensorFlow is a useful toolkit.

Apr 2016
Assess ? Vale a pena explorar com o objetivo de compreender como isso afetará sua empresa.
Publicado : Apr 05, 2016

Baixar o Technology Radar Volume 29

English | Español | Português | 中文

Mantenha-se por dentro das tendências de tecnologia

 

Seja assinante

Visite nosso arquivo para acessar os volumes anteriores