La version 2.18 de TensorFlow vient d’être publiée, introduisant plusieurs évolutions majeures ainsi que des changements initiés dans la version 2.17. Parmi les principales nouveautés figurent la prise en charge de NumPy 2.0, la migration progressive de TFLite vers le dépôt LiteRT, l’introduction d’un système de construction hermétique pour CUDA, ainsi que des optimisations ciblées pour les dernières générations de GPU NVIDIA. Les notes complètes de cette mise à jour sont disponibles en ligne pour les développeurs souhaitant approfondir les détails techniques.
Un des changements les plus marquants concerne l’intégration de NumPy 2.0, qui modifie certaines règles de promotion de types et peut affecter la précision des calculs ou générer des erreurs dans des cas d’usage spécifiques, comme les conversions hors limites ou la représentation des scalaires. Bien que la plupart des API de TensorFlow restent compatibles, des ajustements ont été apportés pour préserver le comportement hérité de NumPy 1.x là où cela était nécessaire. Les utilisateurs sont invités à consulter le guide de migration de NumPy 2.0 et les solutions proposées par TensorFlow pour anticiper d’éventuelles incompatibilités dans leurs projets.
Parallèlement, TensorFlow Lite (TFLite) entame une transition vers un nouveau dépôt nommé LiteRT, marquant une refonte de son infrastructure de développement. À terme, les contributions devront se faire directement via ce dépôt, et les versions binaires de TFLite ne seront plus maintenues. Cette évolution vise à centraliser les efforts autour d’une base de code unifiée et plus moderne, bien que la migration s’effectue progressivement pour limiter les perturbations. Les développeurs sont encouragés à adopter LiteRT pour bénéficier des dernières mises à jour et fonctionnalités.
Sur le plan des performances, TensorFlow 2.18 optimise le support des GPU récents en incluant des noyaux CUDA dédiés pour les cartes graphiques de compute capability 8.9, comme les séries RTX 40, L4 et L40 d:NVIDIA. À l’inverse, le support des GPU Maxwell (compute capability 5.0) est abandonné dans les distributions binaires pour réduire la taille des packages Python. Les utilisateurs concernés devront soit rester sur TensorFlow 2.16, soit compiler le framework depuis les sources, tant que les versions de CUDA utilisées le permettent. Enfin, la construction de TensorFlow à partir du code source s’appuie désormais sur un système hermétique pour CUDA, où Bazel télécharge automatiquement des versions spécifiques des bibliothèques (CUDA, cuDNN, NCCL), garantissant ainsi une meilleure reproductibilité des builds indépendamment des installations locales.
Ces évolutions s’inscrivent dans une dynamique plus large de modernisation de l’écosystème TensorFlow, avec une attention particulière portée sur la stabilité, la performance et la simplification des workflows de développement. Les utilisateurs sont invités à tester ces changements et à signaler d’éventuels problèmes via les canaux officiels, tandis que les annonces futures concernant Keras 3.0 et son approche multi-backend seront désormais centralisées sur le site keras.io.