此页面由 Cloud Translation API 翻译。
Switch to English

TensorFlow白皮书

本文档确定有关TensorFlow的白皮书。

异构分布式系统上的大规模机器学习

访问此白皮书。

摘要: TensorFlow是用于表达机器学习算法的接口,以及用于执行此类算法的实现。使用TensorFlow表示的计算可以在多种异构系统上执行很少或没有任何更改,范围从移动设备(如手机和平板电脑)到大型分布式系统(包括数百台机器和数千个计算设备,例如GPU卡) 。该系统非常灵活,可用于表达各种算法,包括用于深度神经网络模型的训练和推理算法,并且已用于进行研究以及将机器学习系统部署到十几个领域的生产环境中。计算机科学和其他领域,包括语音识别,计算机视觉,机器人技术,信息检索,自然语言处理,地理信息提取和计算药物发现。本文介绍了TensorFlow接口以及我们在Google上构建的该接口的实现。 TensorFlow API和参考实现已于2015年11月以Apache 2.0许可的形式作为开源软件包发布,可在www.tensorflow.org上获得。

BibTeX格式

如果您在研究中使用TensorFlow并想引用TensorFlow系统,我们建议您引用此白皮书。

@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},
}

或以文字形式:

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:大规模机器学习系统

访问此白皮书。

摘要: TensorFlow是在大规模和异构环境中运行的机器学习系统。 TensorFlow使用数据流图来表示计算,共享状态以及使该状态发生突变的操作。它在群集中的许多计算机之间以及一台计算机中的多个计算设备之间映射数据流图的节点,这些计算设备包括多核CPU,通用GPU和称为Tensor处理单元(TPU)的定制设计ASIC。这种体系结构为应用程序开发人员提供了灵活性:而在以前的“参数服务器”设计中,共享状态的管理已内置到系统中,TensorFlow使开发人员能够尝试新颖的优化和训练算法。 TensorFlow支持各种应用程序,重点是对深度神经网络的训练和推理。一些Google服务在生产中使用TensorFlow,我们已将其作为开源项目发布,并且已广泛用于机器学习研究。在本文中,我们描述了TensorFlow数据流模型,并展示了TensorFlow在多种实际应用中实现的出色性能。