Google มุ่งมั่นที่จะพัฒนาความเท่าเทียมกันทางเชื้อชาติให้กับชุมชนคนผิวดำ ดูวิธีการ
หน้านี้ได้รับการแปลโดย Cloud Translation API
Switch to English

TensorFlow White Papers

เอกสารนี้ระบุถึงเอกสารสีขาวเกี่ยวกับ TensorFlow

การเรียนรู้เครื่องขนาดใหญ่ในระบบกระจายต่างกัน

เข้าถึงเอกสารทางเทคนิคนี้

บทคัดย่อ: TensorFlow เป็นส่วนต่อประสานสำหรับการแสดงอัลกอริธึมการเรียนรู้ของเครื่องและการนำไปใช้สำหรับการดำเนินการตามขั้นตอนวิธี การคำนวณที่แสดงโดยใช้ TensorFlow สามารถดำเนินการได้ด้วยการเปลี่ยนแปลงเพียงเล็กน้อยหรือไม่มีเลยในระบบที่แตกต่างหลากหลายตั้งแต่อุปกรณ์มือถือเช่นโทรศัพท์และแท็บเล็ตไปจนถึงระบบกระจายขนาดใหญ่หลายร้อยเครื่องและอุปกรณ์คอมพิวเตอร์นับพันเช่นการ์ด GPU . ระบบมีความยืดหยุ่นและสามารถใช้เพื่อแสดงอัลกอริธึมที่หลากหลายรวมถึงอัลกอริธึมการฝึกอบรมและการอนุมานสำหรับโมเดลโครงข่ายประสาทเทียมที่ลึกล้ำและมันถูกใช้สำหรับการทำวิจัยและปรับใช้ระบบการเรียนรู้ของเครื่องจักรในการผลิต วิทยาการคอมพิวเตอร์และสาขาอื่น ๆ รวมถึงการรู้จำเสียงวิสัยทัศน์คอมพิวเตอร์หุ่นยนต์การดึงข้อมูลการประมวลผลภาษาธรรมชาติการสกัดข้อมูลทางภูมิศาสตร์และการค้นพบยาเสพติด บทความนี้อธิบายถึงอินเทอร์เฟซของ TensorFlow และการใช้อินเทอร์เฟซนั้นที่เราสร้างขึ้นที่ Google TensorFlow API และการใช้งานอ้างอิงได้รับการเผยแพร่เป็นแพ็คเกจโอเพ่นซอร์สภายใต้ใบอนุญาต Apache 2.0 ในเดือนพฤศจิกายน 2558 และมีให้ที่ www.tensorflow.org

ในรูปแบบ BibTeX

หากคุณใช้ TensorFlow ในการวิจัยของคุณและต้องการอ้างถึงระบบ TensorFlow เราขอแนะนำให้คุณอ้างอิงเอกสารทางเทคนิคนี้

@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},
}

หรือในรูปแบบข้อความ:

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: ระบบสำหรับการเรียนรู้ของเครื่องขนาดใหญ่

เข้าถึงเอกสารทางเทคนิคนี้

บทคัดย่อ: TensorFlow เป็นระบบการเรียนรู้ของเครื่องที่ทำงานในขนาดใหญ่และในสภาพแวดล้อมที่แตกต่างกัน TensorFlow ใช้กราฟ dataflow เพื่อแสดงการคำนวณสถานะที่ใช้ร่วมกันและการดำเนินการที่กลายพันธุ์สถานะนั้น มันแมปโหนดของกราฟดาต้าโฟลว์ในหลาย ๆ เครื่องในคลัสเตอร์และภายในเครื่องผ่านอุปกรณ์การคำนวณหลายอย่างรวมถึงซีพียูมัลติคอร์, GPU อเนกประสงค์, และ ASIC ออกแบบที่กำหนดเองที่รู้จักกันในชื่อ Tensor Processing Units (TPU) สถาปัตยกรรมนี้ให้ความยืดหยุ่นแก่ผู้พัฒนาแอพพลิเคชั่น: ในขณะที่“ เซิร์ฟเวอร์พารามิเตอร์” ก่อนหน้าออกแบบการจัดการสถานะที่ใช้ร่วมกันถูกสร้างขึ้นในระบบ TensorFlow ช่วยให้นักพัฒนาสามารถทดสอบด้วยการปรับแต่งใหม่และอัลกอริทึมการฝึกอบรม TensorFlow รองรับแอปพลิเคชั่นที่หลากหลายโดยมุ่งเน้นการฝึกอบรมและการอนุมานบนเครือข่ายนิวรัลลึก บริการต่างๆของ Google ใช้ TensorFlow ในการผลิตเราได้เปิดตัวมันเป็นโครงการโอเพนซอร์ซ ในบทความนี้เราอธิบายแบบจำลอง TensorFlow dataflow และแสดงให้เห็นถึงประสิทธิภาพที่น่าสนใจที่ TensorFlow ประสบความสำเร็จสำหรับการใช้งานจริงหลายแห่ง