Google I/O is a wrap! Catch up on TensorFlow sessions View sessions

מצטט את TensorFlow

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

גש לנייר הלבן הזה.

תקציר: TensorFlow הוא ממשק לביטוי אלגוריתמים של למידת מכונה ויישום לביצוע אלגוריתמים כאלה. חישוב המתבטא באמצעות TensorFlow יכול להתבצע ללא שינוי קטן או ללא שינוי במגוון רחב של מערכות הטרוגניות, החל ממכשירים ניידים כגון טלפונים וטאבלטים ועד למערכות מבוזרות בקנה מידה גדול של מאות מכונות ואלפי התקנים חישוביים כגון כרטיסי GPU . המערכת גמישה וניתן להשתמש בה כדי לבטא מגוון רחב של אלגוריתמים, כולל אלגוריתמי הדרכה והסקה למודלים 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 ללמידת מכונה בקנה מידה גדול

גש לנייר הלבן הזה.

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.