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

Citando TensorFlow

TensorFlow pubblica un DOI per la base di codice open source utilizzando Zenodo.org: 10.5281/zenodo.4724125

I white paper di TensorFlow sono elencati per citazione di seguito.

Apprendimento automatico su larga scala su sistemi distribuiti eterogenei

Accedi a questo white paper.

Riassunto: TensorFlow è un'interfaccia per esprimere algoritmi di apprendimento automatico e un'implementazione per l'esecuzione di tali algoritmi. Un calcolo espresso utilizzando TensorFlow può essere eseguito con poche o nessuna modifica su un'ampia varietà di sistemi eterogenei, che vanno da dispositivi mobili come telefoni e tablet fino a sistemi distribuiti su larga scala di centinaia di macchine e migliaia di dispositivi di calcolo come schede GPU . Il sistema è flessibile e può essere utilizzato per esprimere un'ampia varietà di algoritmi, inclusi algoritmi di addestramento e inferenza per modelli di reti neurali profonde, ed è stato utilizzato per condurre ricerche e implementare sistemi di apprendimento automatico in produzione in più di una dozzina di aree di informatica e altri campi, tra cui riconoscimento vocale, visione artificiale, robotica, recupero di informazioni, elaborazione del linguaggio naturale, estrazione di informazioni geografiche e scoperta computazionale di farmaci. Questo documento descrive l'interfaccia TensorFlow e un'implementazione di tale interfaccia che abbiamo creato in Google. L'API TensorFlow e un'implementazione di riferimento sono state rilasciate come pacchetto open source con licenza Apache 2.0 a novembre 2015 e sono disponibili su www.tensorflow.org.

In formato BibTeX

Se utilizzi TensorFlow nella tua ricerca e desideri citare il sistema TensorFlow, ti suggeriamo di citare questo whitepaper.

@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},
}

Oppure in forma testuale:

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: un sistema per l'apprendimento automatico su larga scala

Accedi a questo white paper.

Riassunto: TensorFlow è un sistema di apprendimento automatico che opera su larga scala e in ambienti eterogenei. TensorFlow utilizza i grafici del flusso di dati per rappresentare il calcolo, lo stato condiviso e le operazioni che mutano tale stato. Mappa i nodi di un grafico del flusso di dati su molte macchine in un cluster e all'interno di una macchina su più dispositivi di calcolo, tra cui CPU multicore, GPU per uso generale e ASIC personalizzati noti come Tensor Processing Unit (TPU). Questa architettura offre flessibilità allo sviluppatore dell'applicazione: mentre nei precedenti progetti di "server parametri" la gestione dello stato condiviso è incorporata nel sistema, TensorFlow consente agli sviluppatori di sperimentare nuove ottimizzazioni e algoritmi di addestramento. TensorFlow supporta una varietà di applicazioni, con particolare attenzione all'addestramento e all'inferenza su reti neurali profonde. Diversi servizi Google utilizzano TensorFlow in produzione, lo abbiamo rilasciato come progetto open source ed è diventato ampiamente utilizzato per la ricerca sull'apprendimento automatico. In questo documento, descriviamo il modello di flusso di dati TensorFlow e dimostriamo le prestazioni convincenti che TensorFlow ottiene per diverse applicazioni del mondo reale.