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

Trích dẫn TensorFlow

TensorFlow xuất bản DOI cho cơ sở mã nguồn mở bằng cách sử dụng Zenodo.org: 10.5281 / zenodo.4724125

Sách trắng của TensorFlow được liệt kê để trích dẫn bên dưới.

Học máy quy mô lớn trên các hệ thống phân tán không đồng nhất

Truy cập sách trắng này.

Tóm tắt: TensorFlow là một giao diện để thể hiện các thuật toán học máy và một phần triển khai để thực thi các thuật toán đó. Một phép tính được thể hiện bằng TensorFlow có thể được thực hiện với ít hoặc không thay đổi trên nhiều hệ thống không đồng nhất, từ các thiết bị di động như điện thoại và máy tính bảng cho đến các hệ thống phân tán quy mô lớn gồm hàng trăm máy và hàng nghìn thiết bị tính toán như thẻ GPU . Hệ thống này linh hoạt và có thể được sử dụng để thể hiện nhiều loại thuật toán, bao gồm cả thuật toán đào tạo và suy luận cho các mô hình mạng nơron sâu và nó đã được sử dụng để thực hiện nghiên cứu và triển khai hệ thống học máy vào sản xuất trên hơn một chục lĩnh vực khoa học máy tính và các lĩnh vực khác, bao gồm nhận dạng giọng nói, thị giác máy tính, robot, truy xuất thông tin, xử lý ngôn ngữ tự nhiên, trích xuất thông tin địa lý và khám phá thuốc tính toán. Bài báo này mô tả giao diện TensorFlow và cách triển khai giao diện đó mà chúng tôi đã xây dựng tại Google. API TensorFlow và triển khai tham chiếu đã được phát hành dưới dạng gói mã nguồn mở theo giấy phép Apache 2.0 vào tháng 11 năm 2015 và có sẵn tại www.tensorflow.org.

Ở định dạng BibTeX

Nếu bạn sử dụng TensorFlow trong nghiên cứu của mình và muốn trích dẫn hệ thống TensorFlow, chúng tôi khuyên bạn nên trích dẫn báo cáo chính thức này.

@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},
}

Hoặc ở dạng văn bản:

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: Hệ thống học máy quy mô lớn

Truy cập sách trắng này.

Tóm tắt: TensorFlow là một hệ thống học máy hoạt động ở quy mô lớn và trong môi trường không đồng nhất. TensorFlow sử dụng đồ thị luồng dữ liệu để biểu thị tính toán, trạng thái được chia sẻ và các hoạt động thay đổi trạng thái đó. Nó ánh xạ các nút của biểu đồ luồng dữ liệu qua nhiều máy trong một cụm và trong một máy trên nhiều thiết bị tính toán, bao gồm CPU đa lõi, GPU đa năng và ASIC được thiết kế tùy chỉnh được gọi là Đơn vị xử lý căng (TPU). Kiến trúc này mang lại sự linh hoạt cho nhà phát triển ứng dụng: trong khi trong thiết kế “máy chủ tham số” trước đây, việc quản lý trạng thái chia sẻ được tích hợp vào hệ thống, TensorFlow cho phép các nhà phát triển thử nghiệm các thuật toán đào tạo và tối ưu hóa mới. TensorFlow hỗ trợ nhiều ứng dụng khác nhau, tập trung vào đào tạo và suy luận trên mạng nơ-ron sâu. Một số dịch vụ của Google sử dụng TensorFlow trong quá trình sản xuất, chúng tôi đã phát hành nó như một dự án mã nguồn mở và nó đã được sử dụng rộng rãi cho nghiên cứu máy học. Trong bài báo này, chúng tôi mô tả mô hình luồng dữ liệu TensorFlow và chứng minh hiệu suất hấp dẫn mà TensorFlow đạt được cho một số ứng dụng trong thế giới thực.