Accueil > Analytics > Data Analytics > Yahoo rend disponible en open source TensorFlowOnSpark, son outil de Deep Learning
yahoo deep learning open source

Yahoo rend disponible en open source TensorFlowOnSpark, son outil de Deep Learning

Yahoo a annoncé hier l’accès à tous de son outil de deep learning TensorFlowOnspark. Ce logiciel est maintenant open source. 

L’entreprise Yahoo ne bénéficie plus de sa superbe d’antan. Pour autant, elle a toujours été à la pointe de l’innovation en terme de recherche Big Data. Lors d’un congrès tenu le 13 février, Yahoo a rendu public l’outil TensorFlowOnSpark. Sous ce nom quelque peu barbare, se cache un outil software qui sert à rendre compatible le logiciel open source de Google nommé TensorFlow avec les jeux de données provenant des clusters Spark. Cette méthodologie employée par de nombreuses entreprises pour gérer des données différentes est maintenant libre d’accès, en open source. Le code du logiciel TensorFlowOnSpark est disponible sous licence Apache 2.0 depuis le forum de développeur GitHub.

Cet outil dédié au deep learning permet par exemple d’entraîner les réseaux neuraux des intelligences artificielles, de prendre en compte un grand nombre de données comme les images, les textes, etc en créant plusieurs silos. Le fait de le rendre open source favorise donc le travail de startups dans le domaine.

Un changement pour Yahoo en interne

La manœuvre d’hier s’inscrit dans une dynamique opérée il y a un mois. L’équipe de développeur de Yahoo tient à préciser que l’outil TensorFlow avait déjà obtenu le support pour les fichiers distribués d’Hadoop, une source de données possible pour Spark.

L’équipe ne pensait pas créer sa propre solution au départ. Elle avait d’abord essayé des alternatives comme SparkNet et TensorFrame. Le logiciel créé fonctionne donc avec les outils Spark comme Spark SQL, MLib et langage Python au sein des clusters Spark et Hadoop.

Pour ceux qui souhaitent passer de TensorFlow à TensorFlowOnSpark, les développeurs de Yahoo assurent une simplicité de migration. En effet, il suffit de changer 10 lignes de code.

Il y a maintenant un an, Yahoo avait déjà donné accès CaffeonSpark, un outil compatible avec le framework de deep learning Cafe. Il est par exemple utilisé par les plateformes de diffusion de compétitions Esport afin de repérer le jeu pratiqué en analysant le flux vidéo. L’entreprise utilise maintenant TensorFlowonSpark pour analyser les recherches des utilisateurs de son moteur de recherche.

 

 

A lire également

publicité big data

Publicité : comment le Big Data résout les problèmes des annonceurs

Après plusieurs années de prudence, les industries du marketing et de la publicité sont finalement décidése …

Send this to friend