Google अश्वेत समुदायों के लिए नस्लीय इक्विटी को आगे बढ़ाने के लिए प्रतिबद्ध है। देखो कैसे।
इस पेज का अनुवाद Cloud Translation API से किया गया है.
Switch to English

TensorFlow व्हाइट पेपर्स

यह दस्तावेज़ TensorFlow के बारे में श्वेत पत्रों की पहचान करता है।

बड़े पैमाने पर बड़े पैमाने पर वितरित सिस्टम पर मशीन सीखना

इस श्वेत पत्र पर पहुँचें।

सार: TensorFlow मशीन लर्निंग एल्गोरिदम को व्यक्त करने और इस तरह के एल्गोरिदम को क्रियान्वित करने के लिए एक कार्यान्वयन है। TensorFlow का उपयोग करके व्यक्त की गई एक संगति को विभिन्न प्रकार के विषम प्रणालियों पर बहुत कम या कोई बदलाव नहीं किया जा सकता है, जिसमें मोबाइल उपकरणों से लेकर फोन और टैबलेट तक, सैकड़ों मशीनों के बड़े पैमाने पर वितरित सिस्टम और GPU उपकरणों जैसे हजारों कम्प्यूटेशनल उपकरण शामिल हैं। । यह प्रणाली लचीली है और इसका उपयोग विभिन्न प्रकार के एल्गोरिदम को व्यक्त करने के लिए किया जा सकता है, जिसमें गहन तंत्रिका नेटवर्क मॉडल के लिए प्रशिक्षण और अंतर्ग्रहण एल्गोरिदम शामिल हैं, और इसका उपयोग अनुसंधान के संचालन के लिए और मशीन शिक्षण प्रणालियों को एक दर्जन से अधिक क्षेत्रों में उत्पादन में तैनात करने के लिए किया गया है। कंप्यूटर विज्ञान और अन्य क्षेत्रों, जिनमें भाषण मान्यता, कंप्यूटर दृष्टि, रोबोटिक्स, सूचना पुनर्प्राप्ति, प्राकृतिक भाषा प्रसंस्करण, भौगोलिक सूचना निष्कर्षण और कम्प्यूटेशनल दवा की खोज शामिल है। यह कागज TensorFlow इंटरफ़ेस और उस इंटरफ़ेस के कार्यान्वयन का वर्णन करता है जिसे हमने Google पर बनाया है। TensorFlow API और एक संदर्भ कार्यान्वयन नवंबर, 2015 में Apache 2.0 लाइसेंस के तहत एक ओपन-सोर्स पैकेज के रूप में जारी किए गए थे और www.tensorflow.org पर उपलब्ध हैं।

BibTeX प्रारूप में

यदि आप अपने शोध में TensorFlow का उपयोग करते हैं और TensorFlow प्रणाली का हवाला देना चाहते हैं, तो हम आपको इस श्वेतपत्र का हवाला देते हैं।

@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},
}

या पाठ रूप में:

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: लार्ज-स्केल मशीन लर्निंग के लिए एक प्रणाली

इस श्वेत पत्र पर पहुँचें।

सार: TensorFlow एक मशीन लर्निंग सिस्टम है जो बड़े पैमाने पर और विषम वातावरण में संचालित होता है। TensorFlow अभिकलन, साझा स्थिति और उस अवस्था को बदलने वाले कार्यों का प्रतिनिधित्व करने के लिए डेटाफ्लो ग्राफ़ का उपयोग करता है। यह क्लस्टर में कई मशीनों में एक डेटाफ्लो ग्राफ के नोड्स को मैप करता है, और मल्टीकोर सीपीयू, सामान्य प्रयोजन जीपीयू और कस्टम-डिज़ाइन किए गए एएसआईसी सहित कई कम्प्यूटेशनल डिवाइसों में एक मशीन के भीतर, जिसे सेंसर प्रोसेसिंग यूनिट (टीपीडी) के रूप में जाना जाता है। यह आर्किटेक्चर एप्लिकेशन डेवलपर को लचीलापन देता है: जबकि पिछले "पैरामीटर सर्वर" में साझा राज्य के प्रबंधन को सिस्टम में बनाया गया है, TensorFlow डेवलपर्स को उपन्यास अनुकूलन और प्रशिक्षण एल्गोरिदम के साथ प्रयोग करने में सक्षम बनाता है। TensorFlow विभिन्न अनुप्रयोगों का समर्थन करता है, प्रशिक्षण पर ध्यान केंद्रित करने और गहरे तंत्रिका नेटवर्क पर प्रवेश के साथ। कई Google सेवाएं उत्पादन में TensorFlow का उपयोग करती हैं, हमने इसे एक ओपन-सोर्स प्रोजेक्ट के रूप में जारी किया है, और यह व्यापक रूप से सीखने के अनुसंधान के लिए उपयोग किया जाता है। इस पत्र में, हम TensorFlow dataflow मॉडल का वर्णन करते हैं और सम्मोहक प्रदर्शन का प्रदर्शन करते हैं जो TensorFlow कई वास्तविक दुनिया अनुप्रयोगों के लिए प्राप्त करता है।