Tensorflow: Google gibt Bibliothek für maschinelles Lernen frei

Mit Tensorflow hat Google eine zweite Generation seiner Software für maschinelles Lernen freigegeben. Der Python-Code kann von jedem eingesetzt werden und unterstützt auch GPU-Beschleunigung.

Artikel veröffentlicht am 10. November 2015, 16:11 Uhr, Sebastian Grüner

Tensorflow steht als Open Source bereit. (Bild: Google)

Um riesige neuronale Netzwerke und Rechner im maschinellen Lernen zu "trainieren", etwa zur Bilderkennung oder Sprachverarbeitung, nutzt Google seit 2011 intern das Framework Distbelief. Das System ist aber zu sehr auf neuronale Netzwerke beschränkt, schwer zu konfigurieren und eng an die Infrastruktur des Unternehmens gebunden, was das Teilen von Forschungsergebnissen verhindert. Mit dem nun veröffentlichten Tensorflow will Google eigenen Aussagen zufolge all diese Probleme beseitigen.

Die in Python geschriebene Bibliothek für maschinelles Lernen soll flexibel, portabel und einfach zu verwenden sein. Die Verfügbarkeit im Quellcode unter der Apache-Lizenz sollte außerdem die Weitergabe und die Zusammenarbeit in der Wissenschaft ermöglichen. In der Ankündigung von Tensorflow heißt es, dass die Bibliothek darüber hinaus auch direkt in Produkten eingesetzt werden könne.

Mehr als nur Lernen

Zwar unterstütze die Software "umfassend" das sogenannte Deep Learning, könne aber auch für sehr viel breiter gefasste Anwendungen genutzt werden. So ließen sich damit sämtliche Berechnungen durchführen, die mit einem Flussgraphen repräsentiert werden könnten. Algorithmen für maschinelles Lernen, die auf Gradienten basieren, sollen zudem von dem automatischen Differenzieren von Tensorflow profitieren.

Neben einer Version des Frameworks, das die Berechnungen auf der CPU ausführt, ermöglicht der Code auch eine Hardware-Beschleunigung per GPU. Zurzeit sind dafür jedoch eine spezifische Version von Nvidias Cuda-SDK notwendig sowie die entsprechenden Grafikkarten. Der offene Standard OpenCL kann von Tensorflow derzeit noch nicht verwendet werden.

Zum leichten Einstieg in die Nutzung der Software stellt Google Tutorials sowie Modelle als Beispiele bereit. Der Code steht auf Github zur Verfügung.