Interested Article - TensorFlow

marybeth
  • 2021-03-04
  • 1

TensorFlow — открытая программная библиотека для машинного обучения , разработанная компанией Google для решения задач построения и тренировки нейронной сети с целью автоматического нахождения и классификации образов, достигая качества человеческого восприятия . Применяется как для исследований, так и для разработки собственных продуктов Google . Основной API для работы с библиотекой реализован для Python , также существуют реализации для R , C# , C++ , Haskell , Java , Go , JavaScript и Swift .

Является продолжением закрытого проекта DistBelief . Изначально TensorFlow была разработана командой Google Brain для внутреннего использования в Google, в 2015 году система была переведена в свободный доступ с открытой лицензией Apache 2.0 .

История

DistBelief

Закрытая система машинного обучения DistBelief разрабатывалась Google Brain для внутренних проектов с 2011 года для работы с нейронными сетями глубокого обучения . Она стала использоваться во многих исследовательских и коммерческих проектах группы фирм холдинга Alphabet . После успеха DistBelief, фирма Google решила вывести проект на новый уровень, и для рефакторинга выделила группу из нескольких разработчиков, в которую вошёл Джефф Дин ; целью группы было упрощение и оптимизация кодов библиотеки, увеличение надёжности и удобства пользования. Новая библиотека получила название TensorFlow . В 2013 году к проекту присоединился Джеффри Хинтон — учёный, под руководством которого в 2009 году был создан метод обобщённого обратного распространения ошибки и ряд других улучшений, позволившие существенно улучшить точность нейронных сетей (что привело, в частности, к снижению погрешности в распознавании речи на 25 %) .

TensorFlow

TensorFlow 9 ноября 2015 года был открыт для свободного доступа . TensorFlow является системой машинного обучения Google Brain второго поколения. В то время как эталонная реализация работает на единичных устройствах, TensorFlow может работать на многих параллельных процессорах, как CPU , так и GPU , опираясь на архитектуру CUDA для поддержки вычислений общего назначения на графических процессорах . TensorFlow доступна для 64-разрядных Linux , macOS , Windows , и для мобильных вычислительных платформ, включая Android и iOS .

Вычисления TensorFlow выражаются в виде потоков данных через граф состояний . Название TensorFlow происходит от операций с многомерными массивами данных, которые также называются « тензорами ». В июне 2016 года Джефф Дин из Google отметил, что к TensorFlow обращались 1500 репозиториев на GitHub , и только 5 из них были от Google.

Тензорный процессор

В мае 2016 года Google сообщила о применении для задач глубинного обучения аппаратного ускорителя собственной разработки — тензорного процессора (TPU) — специализированной интегральной схемы , адаптированной под задачи для TensorFlow, и обеспечивающей высокую производительность в арифметике пониженной точности (например, для 8-битных процессоров) и направленной скорее на применение моделей, чем на их обучение [ источник не указан 440 дней ] .

Сообщалось, что после использования TPU в собственных задачах Google по обработке данных удалось добиться на порядок лучших показателей продуктивности на ватт затраченной энергии .

TensorFlow 2.0

Поскольку доля рынка TensorFlow среди исследовательских работ сокращалась в пользу PyTorch, команда TensorFlow объявила о выпуске новой основной версии библиотеки в сентябре 2019 года. Изменил схему автоматического дифференцирования со статического вычислительного графа на схему «Определить-запуском», первоначально ставшую популярной благодаря Chainer, а затем PyTorch.

Применение

TensorFlow хорошо подходит для автоматизированной аннотации изображений в таких системах как . Также с 26 октября 2015 года Google использует систему RankBrain для увеличения релевантности ранжировки поисковой выдачи Google. RankBrain основан на TensorFlow .

TensorFlow позволяет проводить обучение генеративно-состязательных сетей (GAN) .

Интеграция TensorFlow с Python обеспечивается дистрибутивом Anaconda .

См. также

Примечания

  2. (неопр.) . Дата обращения: 12 июля 2022. 12 июля 2022 года.
  3. ↑ — 2023.
  4. — 2006.
  5. от 15 декабря 2016 на Wayback Machine «It is machine learning software being used for various kinds of perceptual and language understanding tasks» — Jeffrey Dean, отрезок 0:47—2:17 (англ.)
  6. (неопр.) . TensorFlow.org . Дата обращения: 10 ноября 2015. 17 ноября 2015 года.
  7. Cade Metz. (неопр.) . Wired (9 ноября 2015). Дата обращения: 10 ноября 2015. 9 ноября 2015 года.
  8. Dean, Jeff; Monga, Rajat; Ghemawat, Sanjay (неопр.) . TensorFlow.org . Google Research (9 ноября 2015). Дата обращения: 10 ноября 2015. 20 ноября 2015 года.
  9. Perez, Sarah (неопр.) . TechCrunch (9 ноября 2015). Дата обращения: 11 ноября 2015. 10 ноября 2015 года.
  10. Oremus, Will (англ.) . Slate (11 ноября 2015). Дата обращения: 11 ноября 2015. 10 ноября 2015 года.
  11. Ward-Bailey, Jeff (неопр.) . CSMonitor (25 ноября 2015). Дата обращения: 25 ноября 2015. 25 ноября 2015 года.
  12. , Wired (November 10, 2015). 11 ноября 2015 года. Дата обращения: 11 ноября 2015.
  13. от 21 декабря 2016 на Wayback Machine accessdate=2016-06-05 (англ.
  14. Jouppi, Norm (неопр.) . Google Cloud Platform Blog . Дата обращения: 19 мая 2016. 18 мая 2016 года.
  15. (англ.) . The Gradient (10 октября 2019). Дата обращения: 19 августа 2022. 10 октября 2019 года.
  16. Byrne, Michael (неопр.) . Vice (11 ноября 2015). Дата обращения: 11 ноября 2015. 23 ноября 2015 года.
  17. Woollaston, Victoria (неопр.) . DailyMail (25 ноября 2015). Дата обращения: 25 ноября 2015. 25 ноября 2015 года.
  18. (неопр.) . Дата обращения: 25 июля 2017. 5 июля 2017 года.

Литература

  • Орельен Жерон. Прикладное машинное обучение с помощью Scikit-Learn и TensorFlow. Концепции, инструменты и техники для создания интеллектуальных систем = Hands-On Machine Learning with Scikit-Learn and TensorFlow: Concepts, Tools, and Techniques for Building Intelligent Systems. — , 2018. — 688 с. — ISBN 978-5-9500296-2-2 , 978-1-491-96229-9.
  • Джулли А., Пал С. Библиотека Keras — инструмент глубокого обучения. Реализация нейронных сетей с помощью библиотек Theano и TensorFlow = Deep learning with Keras. — , 2017. — 294 с. — ISBN 978-5-97060-573-8 .

Ссылка

  • — официальный сайт TensorFlow (англ.)
  • на сайте GitHub (англ.)

marybeth
  • 2021-03-04
  • 1

Same as TensorFlow

The title for the last searches