TensorFlow
 | |
| 開發者 | 谷歌大脑团队[1] |
|---|---|
| 首次发布 | 2015年11月9日 |
| 当前版本 | |
| 源代码库 | |
| 编程语言 | Python、C++、CUDA |
| 平台 | Linux、macOS、Windows、Android |
| 类型 | 机器学习库 |
| 许可协议 | Apache 2.0开源许可证 |
| 网站 | www tensorflow |
TensorFlow是一个开源软件库，用于各种感知和语言理解任务的机器学习。[5]目前广泛地用于研究和生产中，比如Google商业产品[6]:p.2，如语音辨識、Gmail、Google 相册和搜索[5]:0:26/2:17，其中许多产品曾使用过其前任软件DistBelief。
TensorFlow最初由谷歌大脑团队开发，用于Google的研究和生产，于2015年11月9日在Apache 2.0开源许可证下发布。[1][7]
历史
DistBelief
从2010年开始，谷歌大脑建立DistBelief作为他们的第一代专有的机器学习系统。50多个团队在Google和其他Alphabet公司在商业产品部署了DistBelief的深度学习神经网络，包括Google搜索、Google语音搜索、广告、Google 相册、Google地图、Google街景、Google翻译和YouTube。[6][8]Google指派计算机科学家，如杰弗里·辛顿和傑夫·迪恩，简化和重构DistBelief的代码库，使其变成一个更快、更健壮的应用级别代码库，形成了TensorFlow。[9]2009年，Hinton领导的研究小组大大减少使用DistBelief的神经网络的错误数量，通过Hinton在广义反向传播的科学突破。最值得注意的是，Hinton的突破直接使Google语音识别软件中的错误减少至少25%。[10]
TensorFlow
TensorFlow是谷歌大脑的第二代机器学习系统。
从0.8.0版本（发布于2016年4月）开始原生的支持分布式运行。
从0.9.0版本（发布于2016年6月）开始支持iOS。
从0.12.0版本（发布于2016年12月）开始支持Windows系统。该移植代码主要由微软贡献。
1.0.0版本发布于2017年2月11日。虽然参考实现运行在单台设备，TensorFlow可以运行在多个CPU和GPU（和可选的CUDA扩展和图形处理器通用计算的SYCL扩展）。[11]TensorFlow可用于64位Linux、macOS和Windows，以及移动计算平台，包括Android和iOS。
TensorFlow的计算使用有状态的数据流图表示。TensorFlow的名字来源于这类神经网络对多维数组执行的操作。这些多维数组被称为张量（Tensor）。2016年6月，Jeff Dean称在GitHub有1500个库使用了TensorFlow，其中只有5个来自Google。[12]
张量处理单元（TPU）
2016年5月，Google宣布了张量处理单元（TPU），一个专为机器学习和TensorFlow全定制的专用集成电路。TPU是一个可编程的人工智能加速器，提供高吞吐量的低精度计算（如8位），面向使用或运行模型而不是训练模型。Google宣布他们已经在数据中心中运行TPU长达一年多，发现它们对机器学习提供一个数量级更优的每瓦特性能。[13]
2017年5月Google宣布第二代张量处理单元，并在Google计算引擎中可用。[14]第二代TPU提供最高180 teraflops性能，组装成64个TPU的集群时提供最高11.5 petaflops性能。
TensorFlow Lite
2017年5月Google宣布从Android Oreo开始，提供一个专用于Android开发的软件栈TensorFlow Lite[15]。
用于搜索引擎
Google于2015年10月26日正式发布了RankBrain，由TensorFlow支持。
TensorFlow 2
随着TensorFlow在研究论文上的市场份额因PyTorch的优势而衰减[16]，在2019年9月TensorFlow团队宣布了程序库的一个新的主要版本。TensorFlow 2.0介入了很多变更，最重要的是TensorFlow eager，它将自动微分的方案，从静态计算的图，变更为“运行时定义”的方案，它最初因Chainer和后来的PyTorch而流行[16]。其他主要的变更包括移除一些旧库，在不同版本的TensorFlow的训练模型之间的交叉兼容性，还有在GPU上性能的显著改进[17]。
使用
TensorFlow充当机器学习的核心平台和函数库。TensorFlow的API使用Keras来允许用户制作自己的机器学习模型[18]。除了建造和训练它他们的模型之外，TensorFlow还能帮助装载数据来训练模型，并使用TensorFlow Serving来部署它[19]。
TensorFlow提供了一个Python API[20]，以及C++[21]、Haskell[22]、Java[23]、Go[24]和Rust[25]API。第三方包可用于C#[26]、.NET Core[27]、Julia[28]、R[29]和Scala[30]。
应用
广泛的应用程序使用TensorFlow作为基础，其中它已成功实现自动化图像字幕软件，例如DeepDream。[31]2015年10月26日，Google正式启用了由TensorFlow提供支持的RankBrain。RankBrain现在处理大量的搜索查询，替换和补充传统的静态算法搜索结果。[32]
参见
引用
- ^ 1.0 1.1 Credits. [2015-11-10]. （原始内容存档于2015-11-17）.
- ^ TensorFlow 2.14.0-rc1 Pre-release. 2023年8月28日 [2023年9月18日].
- ^ Release 2.15.0. 2023年11月14日 [2023年11月19日].
- ^ Google 为 TensorFlow 启用 tensorflow.google.cn 域名. [2020-11-08]. （原始内容存档于2020-11-16）.
- ^ 5.0 5.1 "TensorFlow: Open source machine learning" （页面存档备份，存于互联网档案馆） "It is machine learning software being used for various kinds of perceptual and language understanding tasks" — Jeffrey Dean, minute 0:47 / 2:17 from Youtube clip
- ^ 6.0 6.1 TensorFlow: Large-scale machine learning on heterogeneous systems (PDF). Google Research. 2015-11-09 [2015-11-10]. （原始内容存档 (PDF)于2015-11-20）.
- ^ Google Just Open Sourced TensorFlow, Its Artificial Intelligence Engine. 2015-11-09 [2015-11-10]. （原始内容存档于2015-11-10）.
- ^ Google Open-Sources The Machine Learning Tech Behind Google Photos Search, Smart Reply And More. 2015-11-09 [2015-11-11]. （原始内容存档于2015-11-10）.
- ^ What Is TensorFlow, and Why Is Google So Excited About It?. 2015-11-11 [2015-11-11]. （原始内容存档于2015-11-10）.
- ^ Google chairman: We’re making 'real progress' on artificial intelligence. 2015-11-25 [2015-11-25]. （原始内容存档于2015-11-25）.
- ^ Metz, Cade. TensorFlow, Google's Open Source AI , Points to a Fast-Changing Hardware World. 2015-11-10 [2015-11-11]. （原始内容存档于2015-11-11）.
- ^ Machine Learning: Google I/O 2016 Minute 07:30/44:44 （页面存档备份，存于互联网档案馆） accessdate=2016-06-05
- ^ Google supercharges machine learning tasks with TPU custom chip. [2016-05-19]. （原始内容存档于2016-05-18）.
- ^ Build and train machine learning models on our new Google Cloud TPUs. Google. 2017-05-17 [2017-05-18]. （原始内容存档于2017-05-17） （英语）.
- ^ Google’s new machine learning framework is going to put more AI on your phone. [2018-01-14]. （原始内容存档于2017-08-22）.
- ^ 16.0 16.1 He, Horace. The State of Machine Learning Frameworks in 2019. The Gradient. 10 October 2019 [22 May 2020]. （原始内容存档于2019-10-10）.
- ^ TensorFlow 2.0 is now available!. TensorFlow Blog. 30 September 2019 [22 May 2020]. （原始内容存档于2019-10-30）.
- ^ TensorFlow Core | Machine Learning for Beginners and Experts. TensorFlow. [2021-11-04]. （原始内容存档于2023-01-20） （英语）.
- ^ Introduction to TensorFlow. TensorFlow. [2021-10-28]. （原始内容存档于2023-01-20） （英语）.
- ^ Python. [2022-12-12]. （原始内容存档于2022-09-05）.
- ^ C++. [2022-12-12]. （原始内容存档于2023-01-20）.
- ^ Haskell（页面存档备份，存于互联网档案馆）
- ^ Java（页面存档备份，存于互联网档案馆）
- ^ Go（页面存档备份，存于互联网档案馆）
- ^ Rust（页面存档备份，存于互联网档案馆）
- ^ C#（页面存档备份，存于互联网档案馆）
- ^ .NET Core（页面存档备份，存于互联网档案馆）
- ^ Julia（页面存档备份，存于互联网档案馆）
- ^ R（页面存档备份，存于互联网档案馆）
- ^ Scala（页面存档备份，存于互联网档案馆）
- ^ Google Offers Up Its Entire Machine Learning Library as Open-Source Software. 2015-11-11 [2015-11-11]. （原始内容存档于2015-11-23）.
- ^ Google releases TensorFlow – Search giant makes its artificial intelligence software available to the public. 2015-11-25 [2015-11-25]. （原始内容存档于2015-11-25）.
外部链接
- 官方网站
- 官方网站（简体中文）
- GitHub上的TensorFlow
| |||||||||||||||||
| ||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
Text is available under the CC BY-SA 4.0 license; additional terms may apply.
Images, videos and audio are available under their respective licenses.
