TensorFlow pubblica un DOI per il codice base open source utilizzando Zenodo.org: 10.5281/zenodo.4724125
I white paper di TensorFlow sono elencati di seguito per la citazione.
Apprendimento automatico su larga scala su sistemi distribuiti eterogenei
Riassunto: TensorFlow è un'interfaccia per esprimere algoritmi di apprendimento automatico e un'implementazione per eseguire tali algoritmi. Un calcolo espresso utilizzando TensorFlow può essere eseguito con modifiche minime o nulle su un'ampia varietà di sistemi eterogenei, che vanno dai dispositivi mobili come telefoni e tablet fino ai sistemi distribuiti su larga scala di centinaia di macchine e migliaia di dispositivi di calcolo come le 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 per implementare sistemi di apprendimento automatico in produzione in più di una dozzina di aree di informatica e altri campi, tra cui il riconoscimento vocale, la visione artificiale, la robotica, il recupero di informazioni, l'elaborazione del linguaggio naturale, l'estrazione di informazioni geografiche e la 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 la licenza Apache 2.0 nel novembre 2015 e sono disponibili su www.tensorflow.org.
Nel 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
Abstract: TensorFlow è un sistema di machine learning 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 modificano 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 progettati su misura noti come Tensor Processing Unit (TPU). Questa architettura offre flessibilità allo sviluppatore dell'applicazione: mentre nei precedenti progetti di "server dei parametri" la gestione dello stato condiviso è integrata nel sistema, TensorFlow consente agli sviluppatori di sperimentare nuove ottimizzazioni e algoritmi di training. 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 articolo descriviamo il modello di flusso di dati TensorFlow e dimostriamo le prestazioni convincenti che TensorFlow raggiunge per diverse applicazioni del mondo reale.