Googleは、黒人コミュニティのための人種的衡平の促進に取り組んでいます。 方法をご覧ください。
このページは Cloud Translation API によって翻訳されました。
Switch to English

TensorFlowホワイトペーパー

このドキュメントでは、TensorFlowに関するホワイトペーパーを特定します。

異種分散システムでの大規模機械学習

このホワイトペーパーにアクセスしてください。

要約: TensorFlowは、機械学習アルゴリズムを表現するためのインターフェースと、そのようなアルゴリズムを実行するための実装です。 TensorFlowを使用して表現された計算は、電話やタブレットなどのモバイルデバイスから数百台のマシンの大規模な分散システムやGPUカードなどの数千の計算デバイスに至るまで、多種多様な異種システムでほとんどまたはまったく変更することなく実行できます。このシステムは柔軟性があり、ディープニューラルネットワークモデルのトレーニングや推論アルゴリズムなど、さまざまなアルゴリズムを表現するために使用できます。また、研究の実施や、機械学習システムの12を超える領域にわたる本番環境への展開に使用されています。音声認識、コンピュータービジョン、ロボット工学、情報検索、自然言語処理、地理情報抽出、計算による創薬など、コンピューターサイエンスおよびその他の分野。このペーパーでは、TensorFlowインターフェースと、Googleで構築したインターフェースの実装について説明します。 TensorFlow APIとリファレンス実装は、Apache 2.0ライセンスの下でオープンソースパッケージとして2015年11月にリリースされ、www.tensorflow.orgから入手できます。

BibTeX形式

研究でTensorFlowを使用していて、TensorFlowシステムを引用したい場合は、このホワイトペーパーを引用することをお勧めします。

@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},
}

またはテキスト形式:

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:大規模機械学習のためのシステム

このホワイトペーパーにアクセスしてください。

要約: TensorFlowは、大規模かつ異種環境で動作する機械学習システムです。 TensorFlowは、データフローグラフを使用して、計算、共有状態、およびその状態を変更する操作を表します。データフローグラフのノードをクラスター内の多くのマシン間でマッピングします。また、マルチコアCPU、汎用GPU、Tensor Processing Unit(TPU)と呼ばれるカスタム設計のASICなど、複数の計算デバイス全体のマシン内でデータフローグラフのノードをマッピングします。このアーキテクチャはアプリケーション開発者に柔軟性を提供します。以前の「パラメータサーバー」設計では共有状態の管理がシステムに組み込まれていましたが、TensorFlowを使用すると、開発者は新しい最適化とトレーニングアルゴリズムを試すことができます。 TensorFlowは、ディープニューラルネットワークでのトレーニングと推論に重点を置いて、さまざまなアプリケーションをサポートしています。いくつかのGoogleサービスはTensorFlowを本番環境で使用しており、オープンソースプロジェクトとしてリリースしており、機械学習研究で広く使用されています。このホワイトペーパーでは、TensorFlowデータフローモデルについて説明し、TensorFlowがいくつかの実際のアプリケーションで実現する魅力的なパフォーマンスを示します。