跳转到内容

TensorFlow

本页使用了标题或全文手工转换
维基百科，自由的百科全书
TensorFlow
开发者谷歌大脑团队[1]
首次发布2015年11月9日，​9年前​（2015-11-09）
当前版本
  • 2.18.0（2024年10月24日；稳定版本）[2]
编辑维基数据链接
源代码库
编辑维基数据链接
编程语言Python、C++、CUDA
平台Linux、macOS、Windows、Android
类型机器学习库
许可协议Apache 2.0开源许可证
网站www.tensorflow.org
tensorflow.google.cn[3]

TensorFlow是一个开源软件库，用于各种感知和语言理解任务的机器学习。[4]目前广泛地用于研究和生产中，比如Google商业产品[5]:p.2，如语音识别、Gmail、Google 相册和搜索[4]:0:26/2:17，其中许多产品曾使用过其前任软件DistBelief。

TensorFlow最初由谷歌大脑团队开发，用于Google的研究和生产，于2015年11月9日在Apache 2.0开源许可证下发布。[1][6]

历史

[编辑]

DistBelief

[编辑]

从2010年开始，谷歌大脑建立DistBelief作为他们的第一代专有的机器学习系统。50多个团队在Google和其他Alphabet公司在商业产品部署了DistBelief的深度学习神经网络，包括Google搜索、Google语音搜索、广告、Google 相册、Google地图、Google街景、Google翻译和YouTube。[5][7]Google指派计算机科学家，如杰弗里·辛顿和杰夫·迪恩，简化和重构DistBelief的代码库，使其变成一个更快、更健壮的应用级别代码库，形成了TensorFlow。[8]2009年，Hinton领导的研究小组大大减少使用DistBelief的神经网络的错误数量，通过Hinton在广义反向传播的科学突破。最值得注意的是，Hinton的突破直接使Google语音识别软件中的错误减少至少25%。[9]

TensorFlow

[编辑]

TensorFlow是谷歌大脑的第二代机器学习系统。

从0.8.0版本（发布于2016年4月）开始原生的支持分布式运行。

从0.9.0版本（发布于2016年6月）开始支持iOS。

从0.12.0版本（发布于2016年12月）开始支持Windows系统。该移植代码主要由微软贡献。

1.0.0版本发布于2017年2月11日。虽然参考实现运行在单台设备，TensorFlow可以运行在多个CPU和GPU（和可选的CUDA扩展和图形处理器通用计算的SYCL扩展）。[10]TensorFlow可用于64位Linux、macOS和Windows，以及移动计算平台，包括Android和iOS。

TensorFlow的计算使用有状态的数据流图表示。TensorFlow的名字来源于这类神经网络对多维数组执行的操作。这些多维数组被称为张量（Tensor）。2016年6月，Jeff Dean称在GitHub有1500个库使用了TensorFlow，其中只有5个来自Google。[11]

张量处理单元（TPU）

[编辑]

2016年5月，Google宣布了张量处理单元（TPU），一个专为机器学习和TensorFlow全定制的专用集成电路。TPU是一个可编程的人工智能加速器，提供高吞吐量的低精度计算（如8位），面向使用或运行模型而不是训练模型。Google宣布他们已经在数据中心中运行TPU长达一年多，发现它们对机器学习提供一个数量级更优的每瓦特性能。[12]

2017年5月Google宣布第二代张量处理单元，并在Google计算引擎中可用。[13]第二代TPU提供最高180 teraflops性能，组装成64个TPU的集群时提供最高11.5 petaflops性能。

TensorFlow Lite

[编辑]

2017年5月Google宣布从Android Oreo开始，提供一个专用于Android开发的软件栈TensorFlow Lite[14]。

用于搜索引擎

[编辑]

Google于2015年10月26日正式发布了RankBrain（英语：RankBrain），由TensorFlow支持。

TensorFlow 2

[编辑]

随着TensorFlow在研究论文上的市场份额因PyTorch的优势而衰减[15]，在2019年9月TensorFlow团队宣布了程序库的一个新的主要版本。TensorFlow 2.0介入了很多变更，最重要的是TensorFlow eager，它将自动微分的方案，从静态计算的图，变更为“运行时定义”的方案，它最初因Chainer（英语：Chainer）和后来的PyTorch而流行[15]。其他主要的变更包括移除一些旧库，在不同版本的TensorFlow的训练模型之间的交叉兼容性，还有在GPU上性能的显著改进[16]。

使用

[编辑]

TensorFlow充当机器学习的核心平台和函数库。TensorFlow的API使用Keras来允许用户制作自己的机器学习模型[17]。除了建造和训练它他们的模型之外，TensorFlow还能帮助装载数据来训练模型，并使用TensorFlow Serving来部署它[18]。

TensorFlow提供了一个Python API[19]，以及C++[20]、Haskell[21]、Java[22]、Go[23]和Rust[24]API。第三方包可用于C#[25]、.NET Core[26]、Julia[27]、R[28]和Scala[29]。

应用

[编辑]

广泛的应用程序使用TensorFlow作为基础，其中它已成功实现自动化图像字幕软件，例如DeepDream（英语：DeepDream）。[30]2015年10月26日，Google正式启用了由TensorFlow提供支持的RankBrain（英语：RankBrain）。RankBrain现在处理大量的搜索查询，替换和补充传统的静态算法搜索结果。[31]

参见

[编辑]

引用

[编辑]
  1. ^ 1.0 1.1 Credits. [2015-11-10]. （原始内容存档于2015-11-17）. 
  2. ^ Release 2.18.0. 2024年10月24日 [2024年10月27日]. 
  3. ^ Google 为 TensorFlow 启用 tensorflow.google.cn 域名. [2020-11-08]. （原始内容存档于2020-11-16）. 
  4. ^ 4.0 4.1 "TensorFlow: Open source machine learning" （页面存档备份，存于互联网档案馆） "It is machine learning software being used for various kinds of perceptual and language understanding tasks" — Jeffrey Dean, minute 0:47 / 2:17 from Youtube clip
  5. ^ 5.0 5.1 TensorFlow: Large-scale machine learning on heterogeneous systems (PDF). Google Research. 2015-11-09 [2015-11-10]. （原始内容存档 (PDF)于2015-11-20）. 
  6. ^ Google Just Open Sourced TensorFlow, Its Artificial Intelligence Engine. 2015-11-09 [2015-11-10]. （原始内容存档于2015-11-10）. 
  7. ^ Google Open-Sources The Machine Learning Tech Behind Google Photos Search, Smart Reply And More. 2015-11-09 [2015-11-11]. （原始内容存档于2015-11-10）. 
  8. ^ What Is TensorFlow, and Why Is Google So Excited About It?. 2015-11-11 [2015-11-11]. （原始内容存档于2015-11-10）. 
  9. ^ Google chairman: We’re making 'real progress' on artificial intelligence. 2015-11-25 [2015-11-25]. （原始内容存档于2015-11-25）. 
  10. ^ Metz, Cade. TensorFlow, Google's Open Source AI , Points to a Fast-Changing Hardware World. 2015-11-10 [2015-11-11]. （原始内容存档于2015-11-11）. 
  11. ^ Machine Learning: Google I/O 2016 Minute 07:30/44:44 （页面存档备份，存于互联网档案馆） accessdate=2016-06-05
  12. ^ Google supercharges machine learning tasks with TPU custom chip. [2016-05-19]. （原始内容存档于2016-05-18）. 
  13. ^ Build and train machine learning models on our new Google Cloud TPUs. Google. 2017-05-17 [2017-05-18]. （原始内容存档于2017-05-17） （英语）. 
  14. ^ Google’s new machine learning framework is going to put more AI on your phone. [2018-01-14]. （原始内容存档于2017-08-22）. 
  15. ^ 15.0 15.1 He, Horace. The State of Machine Learning Frameworks in 2019. The Gradient. 10 October 2019 [22 May 2020]. （原始内容存档于2019-10-10）. 
  16. ^ TensorFlow 2.0 is now available!. TensorFlow Blog. 30 September 2019 [22 May 2020]. （原始内容存档于2019-10-30）. 
  17. ^ TensorFlow Core | Machine Learning for Beginners and Experts. TensorFlow. [2021-11-04]. （原始内容存档于2023-01-20） （英语）. 
  18. ^ Introduction to TensorFlow. TensorFlow. [2021-10-28]. （原始内容存档于2023-01-20） （英语）. 
  19. ^ Python. [2022-12-12]. （原始内容存档于2022-09-05）. 
  20. ^ C++. [2022-12-12]. （原始内容存档于2023-01-20）. 
  21. ^ Haskell（页面存档备份，存于互联网档案馆）
  22. ^ Java（页面存档备份，存于互联网档案馆）
  23. ^ Go（页面存档备份，存于互联网档案馆）
  24. ^ Rust（页面存档备份，存于互联网档案馆）
  25. ^ C#（页面存档备份，存于互联网档案馆）
  26. ^ .NET Core（页面存档备份，存于互联网档案馆）
  27. ^ Julia（页面存档备份，存于互联网档案馆）
  28. ^ R（页面存档备份，存于互联网档案馆）
  29. ^ Scala（页面存档备份，存于互联网档案馆）
  30. ^ Google Offers Up Its Entire Machine Learning Library as Open-Source Software. 2015-11-11 [2015-11-11]. （原始内容存档于2015-11-23）. 
  31. ^ Google releases TensorFlow – Search giant makes its artificial intelligence software available to the public. 2015-11-25 [2015-11-25]. （原始内容存档于2015-11-25）. 

外部链接

[编辑]
检索自“https://zh.wikipedia.org/w/index.php?title=TensorFlow&oldid=85193599”