Dieser Artikel beleuchtet die Vorzüge und Nachteile von Open-Source-Lösungen in der KI, gibt einen Überblick zu Bezugsquellen und Lizenzen, diskutiert Herausforderungen beim Training und Einsatz von Modellen und bietet praktische Empfehlungen für generative und andere KI-Modelle.
Die Entwicklungsumgebung Android Studio hat in Version 4.1 einen Debugger und den Emulator integriert und bringt einen Database Inspector mit.
Mozilla hat Deep Speech 0.7.0 veröffentlicht. Die quelloffene Speech-to-Text-Engine von Mozilla ergänzt unter anderem einen neuen Transfer-Learning-Ansatz.
Mit Tensorflow Quantum (TFQ) veröffentlicht Google eine Open-Source-Bibliothek, die unter anderem Machine Learning aus rausch-behafteten Quanten-Daten ermöglicht.
Worum es bei Tensorflow geht und weshalb das Schlagwort gegenwärtig so häufig fällt, erläutert dieser Artikel im Detail.
Linux-Magazin-Autor Alexis Duque bringt Deep Learning dorthin, wo sein Gemüse wächst: in eine Vertical Farm. Er lässt eine abgespeckte Variante von Tensorflow vor Ort prognostizieren, wann der angebaute Salat erntereif ist.
Auto-Hersteller BMW hat einige Maschine-Learning-Algorithmen als Open Source veröffentlicht, die das Unternehmen selbst produktiv einsetzt. Dabei handelt es sich vor allem um Bild- und Objekterkennung.
Die Machine-Learning-Lösung Tensorflow 2.0.0 bringt Keras als die zentrale High-Level-API zum trainieren und bauen von Modellen mit. Die Entwickler warnen aber auch von einigen Inkompatibilitäten.
Für die in Python geschriebene Multi-Backend-Version der quelloffenen Deep-Learning-Bibliothek Keras gibt es ein letztes Update. Die Entwickler empfehlen einen Wechsel.
