Un software open source importante per l'apprendimento automatico è TensorFlow, si tratta di una libreria che fornisce moduli sperimentati e abbastanza ottimizzati utili nella realizzazione di algoritmi per diversi tipi di compiti percettivi e di comprensione del linguaggio.

All'interno di TensorFlow, la piattaforma di apprendimento automatico

Quando Yasir Khokhar ha lasciato il suo lavoro dopo un decennio nel settore tecnologico, non si sarebbe mai aspettato che il suo prossimo progetto potesse muggire. Ma da dove si trovava, in un caseificio fuori Amsterdam, la sua vocazione era chiara.

In un documento di Google ricorda Yasir. "Abbiamo visto che l'unica differenza tra le mucche che producono 30 litri di latte al giorno e quelle che producono 10 litri era la salute dell'animale. La tecnologia potrebbe rendere le mucche più sane e, nel farlo, aiutare gli agricoltori a far crescere le loro attività? ”

Questa domanda lo ha portato ad avviare Connecterra, un'azienda che utilizza il framework Google di apprendimento automatico.

TensorFlow, per alimentare quello che molti chiamano un "Fitbit per mucche". Utilizzando l'apprendimento automatico, Connecterra è in grado di diagnosticare precocemente i problemi e fornire consigli agli agricoltori su come mantenere in salute le loro mucche.

La storia di Yasir è un esempio stimolante di come l'apprendimento automatico con il Machine Learning può aiutare ad affrontare tutti i tipi di problemi.

Le origini di TensorFlow sono in un prodotto progettato per aiutare le persone di tutto il mondo a sfruttare al meglio l'intelligenza artificiale.

Cosa caratterizza Tensorflow

  • Una semplice costruzione di modelli per addestrare con ML, usando API intuitive di alto livello come Keras , che rende l'iterazione immediata.
  • Una robusta produzione ML, dove è possibile formare e distribuire facilmente modelli nel cloud, on-device, nel browser o sul dispositivo, indipendentemente dalla lingua utilizzata
  • Potente sperimentazione per la ricerca, un'architettura semplice e flessibile per portare nuove idee al codice.

Come avviare Tensorflow



import tensorflow as tf
mnist = tf.keras.datasets.mnist

(x_train, y_train),(x_test, y_test) = mnist.load_data()
x_train, x_test = x_train / 255.0, x_test / 255.0

model = tf.keras.models.Sequential([
  tf.keras.layers.Flatten(input_shape=(28, 28)),
  tf.keras.layers.Dense(128, activation='relu'),
  tf.keras.layers.Dropout(0.2),
  tf.keras.layers.Dense(10, activation='softmax')
])

model.compile(optimizer='adam',
              loss='sparse_categorical_crossentropy',
              metrics=['accuracy'])

model.fit(x_train, y_train, epochs=5)
model.evaluate(x_test, y_test)