All’inizio di questo mese Google ha annunciato che l’ API TF Object Detection (OD API) supporta ufficialmente TensorFlow 2. Ciò avviene quando il gigante della tecnologia ha lavorato per rendere l’ecosistema TF più compatibile con i modelli e le librerie utilizzati di frequente.
La società sta migrando i modelli di API TF Object Detection per essere compatibili con TensorFlow 2 da un anno, il che era evidente nel repository GitHub dell’API Object Detection , dagli ultimi mesi.
Google ha annunciato che includerà quanto segue:
File binari compatibili con la modalità Eager
Una suite basata su Keras di modelli compatibili TF2 e nuove architetture come CenterNet ed EfficientDet
Pesi pre-allenati COCO per tutti i modelli forniti come checkpoint basati su oggetti in stile TF2
Accesso a DistributionStrategies per la formazione distribuita
Dimostrazioni di Colab sull’addestramento e l’ inferenza di pochi colpi compatibili con la modalità desideroso
Supporto per la stima dei punti chiave, supporto per l’aumento dei dati, visualizzazioni migliori, valutazione COCO
La società ha sottolineato che questa mossa mira a esporre gli utenti ai vantaggi di TF2 e Keras, pur potendo utilizzare TF1. “Riteniamo che potrebbero esserci molti team là fuori alle prese con progetti di migrazione simili, quindi abbiamo pensato che alcune parole sul nostro processo di pensiero e sul nostro approccio qui potrebbero essere utili anche per gli utenti TensorFlow senza rilevamento di oggetti”, ha detto .
Con questo, ci sono tre tipi di utenti nel codebase: nuovi utenti, utenti TF1 esistenti che vogliono migrare a TF2 e utenti TF1 esistenti che non vogliono ancora migrare.
Google ha anche condiviso una strategia dettagliata su come mira a beneficiare tutte e tre le categorie di utenti. Ha affermato che avrebbe refactoring il core di basso livello e la meta-architettura per funzionare sia in TF1 che in TF2, trattando gli estrattori / backbone di funzionalità come specifici per TF1 o TF2, sfruttando le implementazioni di backbone esistenti gestite dalla comunità, binari front-end separati per TF1 e TF2 e altro ancora.
La società prevede di continuare a migrare basi di codice su larga scala da TF1 a TF2 nei prossimi mesi. Prevede inoltre di offrire un’esperienza end-to-end più integrata per i ricercatori dell’ecosistema TF2.
TF2, rilasciato a settembre 2019, ha portato molti cambiamenti, come l’adozione di Keras come API ufficiale di alto livello per la definizione dei modelli.