TensorFlow מפרסמת DOI עבור בסיס הקוד הפתוח באמצעות Zenodo.org: 10.5281/zenodo.4724125
המסמכים הלבנים של TensorFlow רשומים לציטוט להלן.
למידת מכונה בקנה מידה גדול על מערכות מבוזרות הטרוגניות
תקציר: TensorFlow הוא ממשק לביטוי אלגוריתמים של למידת מכונה ויישום לביצוע אלגוריתמים כאלה. חישוב המתבטא באמצעות TensorFlow יכול להתבצע ללא שינוי או שינוי במגוון רחב של מערכות הטרוגניות, החל ממכשירים ניידים כגון טלפונים וטאבלטים ועד למערכות מבוזרות בקנה מידה גדול של מאות מכונות ואלפי התקני חישוב כגון כרטיסי GPU . המערכת גמישה וניתן להשתמש בה כדי לבטא מגוון רחב של אלגוריתמים, כולל אלגוריתמי הדרכה והסקת הסקה עבור מודלים של רשתות עצביות עמוקות, והיא שימשה לביצוע מחקר ולפריסת מערכות למידת מכונה לייצור על פני יותר מתריסר תחומים של מדעי המחשב ותחומים אחרים, כולל זיהוי דיבור, ראייה ממוחשבת, רובוטיקה, אחזור מידע, עיבוד שפה טבעית, מיצוי מידע גיאוגרפי וגילוי תרופות חישוביות. מאמר זה מתאר את ממשק TensorFlow ויישום של ממשק זה שבנינו בגוגל. ה-API של TensorFlow ויישום עזר שוחררו כחבילת קוד פתוח תחת רישיון Apache 2.0 בנובמבר, 2015 וזמינים בכתובת www.tensorflow.org.
בפורמט BibTeX
אם אתה משתמש ב-TensorFlow במחקר שלך וברצונך לצטט את מערכת TensorFlow, אנו מציעים לך לצטט ספר לבן זה.
@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 למידת מכונה בקנה מידה גדול
תקציר: TensorFlow היא מערכת למידת מכונה הפועלת בקנה מידה גדול ובסביבות הטרוגניות. TensorFlow משתמש בגרפים של זרימת נתונים כדי לייצג חישוב, מצב משותף והפעולות שמשנות 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 למטרות כלליות ו-ASICs מעוצבים בהתאמה אישית הידועים בשם Tensor Processing Units (TPUs). ארכיטקטורה זו מעניקה גמישות למפתח האפליקציה: בעוד שבתכנונים קודמים של "שרת פרמטרים" ניהול המצב המשותף מובנה במערכת, TensorFlow מאפשרת למפתחים להתנסות באופטימיזציות חדשות ואלגוריתמי אימון. TensorFlow תומך במגוון יישומים, עם התמקדות באימון והסקת מסקנות על רשתות עצביות עמוקות. מספר שירותי גוגל משתמשים ב-TensorFlow בייצור, פרסמנו אותו כפרויקט קוד פתוח, והוא הפך בשימוש נרחב למחקר למידת מכונה. במאמר זה, אנו מתארים את מודל זרימת הנתונים של TensorFlow ומדגים את הביצועים המשכנעים ש-TensorFlow משיגה עבור מספר יישומים בעולם האמיתי.