גוגל מחויבת לקדם הון גזעי עבור קהילות שחורות. תראה איך.
דף זה תורגם על ידי Cloud Translation API.
Switch to English

ניירות לבנים נמוכים

מסמך זה מזהה ניירות לבנים אודות TensorFlow.

למידת מכונות בקנה מידה גדול במערכות מבוזרות הטרוגניות

גש אל נייר לבן זה.

תקציר: TensorFlow הוא ממשק לביטוי אלגוריתמים למידת מכונה ויישום לביצוע אלגוריתמים כאלה. ניתן לבצע חישוב המתבטא באמצעות TensorFlow ללא שינוי מועט או ללא על מגוון רחב של מערכות הטרוגניות, החל ממכשירים ניידים כמו טלפונים וטאבלטים ועד מערכות מופצות בהיקף גדול של מאות מכונות ואלפי מכשירים חישוביים כמו כרטיסי GPU. . המערכת גמישה וניתן להשתמש בה כדי לבטא מגוון רחב של אלגוריתמים, כולל אלגוריתמי הדרכה והסקה עבור דגמי רשת עצביים עמוקים, והיא שימשה לביצוע מחקרים ולפריסת מערכות למידת מכונות לייצור על פני יותר מתריסר אזורים של מדעי המחשב ותחומים אחרים, כולל זיהוי דיבור, ראיית מחשב, רובוטיקה, אחזור מידע, עיבוד שפות טבעיות, מיצוי מידע גיאוגרפי וגילוי תרופות חישוביות. מאמר זה מתאר את ממשק TensorFlow והטמעת ממשק זה שבנינו ב- Google. ממשק ה- API של TensorFlow ויישום הייחוס שוחררו כחבילת קוד פתוח תחת רישיון Apache 2.0 בנובמבר 2015 וזמינים באתר www.tensorflow.org.

בפורמט BibTeX

אם אתה משתמש ב- TensorFlow במחקר שלך וברצונך לצטט את מערכת TensorFlow, אנו ממליצים שתציין את נייר הלבן הזה.

@misc{tensorflow2015-whitepaper,
title={ {TensorFlow}: Large-Scale Machine Learning on Heterogeneous Systems},
url={https://www.tensorflow.org/},
note={Software available from tensorflow.org},
author={
    Mart\'{\i}n~Abadi and
    Ashish~Agarwal and
    Paul~Barham and
    Eugene~Brevdo and
    Zhifeng~Chen and
    Craig~Citro and
    Greg~S.~Corrado and
    Andy~Davis and
    Jeffrey~Dean and
    Matthieu~Devin and
    Sanjay~Ghemawat and
    Ian~Goodfellow and
    Andrew~Harp and
    Geoffrey~Irving and
    Michael~Isard and
    Yangqing Jia and
    Rafal~Jozefowicz and
    Lukasz~Kaiser and
    Manjunath~Kudlur and
    Josh~Levenberg and
    Dandelion~Man\'{e} and
    Rajat~Monga and
    Sherry~Moore and
    Derek~Murray and
    Chris~Olah and
    Mike~Schuster and
    Jonathon~Shlens and
    Benoit~Steiner and
    Ilya~Sutskever and
    Kunal~Talwar and
    Paul~Tucker and
    Vincent~Vanhoucke and
    Vijay~Vasudevan and
    Fernanda~Vi\'{e}gas and
    Oriol~Vinyals and
    Pete~Warden and
    Martin~Wattenberg and
    Martin~Wicke and
    Yuan~Yu and
    Xiaoqiang~Zheng},
  year={2015},
}

או בצורה טקסטואלית:

Martín Abadi, Ashish Agarwal, Paul Barham, Eugene Brevdo,
Zhifeng Chen, Craig Citro, Greg S. Corrado, Andy Davis,
Jeffrey Dean, Matthieu Devin, Sanjay Ghemawat, Ian Goodfellow,
Andrew Harp, Geoffrey Irving, Michael Isard, Rafal Jozefowicz, Yangqing Jia,
Lukasz Kaiser, Manjunath Kudlur, Josh Levenberg, Dan Mané, Mike Schuster,
Rajat Monga, Sherry Moore, Derek Murray, Chris Olah, Jonathon Shlens,
Benoit Steiner, Ilya Sutskever, Kunal Talwar, Paul Tucker,
Vincent Vanhoucke, Vijay Vasudevan, Fernanda Viégas,
Oriol Vinyals, Pete Warden, Martin Wattenberg, Martin Wicke,
Yuan Yu, and Xiaoqiang Zheng.
TensorFlow: Large-scale machine learning on heterogeneous systems,
2015. Software available from tensorflow.org.

TensorFlow: מערכת ללימוד מכונות בקנה מידה גדול

גש אל נייר לבן זה.

תקציר: TensorFlow היא מערכת למידת מכונות הפועלת בקנה מידה גדול ובסביבות הטרוגניות. TensorFlow משתמש בתרשימי זרימת נתונים כדי לייצג חישוב, מצב משותף ואת הפעולות שמשתנות את המצב הזה. הוא ממפה את הצמתים של גרף זרימת נתונים על פני מכונות רבות באשכול, ובתוך מכונה על פני התקני חישוב מרובים, כולל מעבדים מרובי ליבות, GPUs לשימוש כללי, ו- ASIC מעוצבים בהתאמה אישית, המכונים יחידות עיבוד Tensor (TPU). ארכיטקטורה זו מעניקה גמישות למפתח היישומים: ואילו בעיצובים קודמים של "שרת פרמטרים" ניהול מצב משותף מובנה במערכת, TensorFlow מאפשרת למפתחים להתנסות באופטימיזציות ואלגוריתמי הכשרה חדשים. TensorFlow תומך במגוון יישומים, עם דגש על אימונים והסקה ברשתות עצביות עמוקות. מספר שירותי גוגל משתמשים ב- TensorFlow בהפקה, פרסמנו את זה כפרויקט קוד פתוח, והוא נעשה בשימוש נרחב למחקר למידת מכונות. במאמר זה אנו מתארים את מודל זרימת הנתונים TensorFlow ומדגים את הביצועים המשכנעים שמשיג TensorFlow עבור מספר יישומים בעולם האמיתי.