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

TensorFlow'dan alıntı

TensorFlow, Zenodo.org'u kullanarak açık kaynak kod tabanı için bir DOI yayınlıyor: 10.5281/zenodo.4724125

TensorFlow'un teknik incelemeleri aşağıda alıntı için listelenmiştir.

Heterojen Dağıtılmış Sistemlerde Büyük Ölçekli Makine Öğrenimi

Bu teknik incelemeye erişin.

Özet: TensorFlow, makine öğrenmesi algoritmalarını ifade etmek için bir arayüz ve bu tür algoritmaları yürütmek için bir uygulamadır. TensorFlow kullanılarak ifade edilen bir hesaplama, telefonlar ve tabletler gibi mobil cihazlardan yüzlerce makinenin ve GPU kartları gibi binlerce hesaplama cihazından oluşan büyük ölçekli dağıtılmış sistemlere kadar çok çeşitli heterojen sistemlerde çok az değişiklikle veya hiç değişiklik olmadan yürütülebilir. . Sistem esnektir ve derin sinir ağı modelleri için eğitim ve çıkarım algoritmaları dahil olmak üzere çok çeşitli algoritmaları ifade etmek için kullanılabilir ve bir düzineden fazla alanda araştırma yapmak ve makine öğrenimi sistemlerini üretime yerleştirmek için kullanılmıştır. bilgisayar bilimi ve konuşma tanıma, bilgisayarla görme, robotik, bilgi alma, doğal dil işleme, coğrafi bilgi çıkarma ve hesaplamalı ilaç keşfi dahil olmak üzere diğer alanlar. Bu makale, TensorFlow arayüzünü ve bu arayüzün Google'da oluşturduğumuz bir uygulamasını açıklamaktadır. TensorFlow API ve bir referans uygulaması, Kasım 2015'te Apache 2.0 lisansı altında açık kaynaklı bir paket olarak yayınlandı ve www.tensorflow.org adresinde bulunabilir.

BibTeX formatında

Araştırmanızda TensorFlow kullanıyorsanız ve TensorFlow sisteminden alıntı yapmak istiyorsanız, bu tanıtım belgesinden alıntı yapmanızı öneririz.

@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},
}

Veya metin biçiminde:

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: Büyük Ölçekli Makine Öğrenimi için Bir Sistem

Bu teknik incelemeye erişin.

Özet: TensorFlow, büyük ölçekte ve heterojen ortamlarda çalışan bir makine öğrenme sistemidir. TensorFlow, hesaplamayı, paylaşılan durumu ve bu durumu değiştiren işlemleri temsil etmek için veri akışı grafiklerini kullanır. Bir kümedeki birçok makinede ve bir makinede çok çekirdekli CPU'lar, genel amaçlı GPU'lar ve Tensör İşleme Birimleri (TPU'lar) olarak bilinen özel tasarımlı ASIC'ler dahil olmak üzere birden çok hesaplama cihazında bir veri akışı grafiğinin düğümlerini eşler. Bu mimari, uygulama geliştiricisine esneklik sağlar: önceki "parametre sunucusu" tasarımlarında, paylaşılan durum yönetimi sistemde yerleşik olarak bulunurken, TensorFlow, geliştiricilerin yeni optimizasyonlar ve eğitim algoritmaları ile denemeler yapmasına olanak tanır. TensorFlow, derin sinir ağlarında eğitim ve çıkarımlara odaklanarak çeşitli uygulamaları destekler. Birkaç Google hizmeti üretimde TensorFlow kullanıyor, bunu açık kaynaklı bir proje olarak yayınladık ve makine öğrenimi araştırmaları için yaygın olarak kullanılmaya başlandı. Bu yazıda, TensorFlow veri akışı modelini açıklıyoruz ve TensorFlow'un birkaç gerçek dünya uygulaması için elde ettiği etkileyici performansı gösteriyoruz.