Google решил, что
негоже прятать от народа разработки
ML. Нехорошо это, когда библиотеки кода
сильно завязаны на внутреннюю архитектуру
датацентра
Deep Learning has
had a huge impact on computer science, making it possible to explore
new frontiers of research and to develop amazingly useful products
that millions of people use every day. Our internal deep learning
infrastructure DistBelief,
developed in 2011, has allowed Googlers to build ever larger neural
networks and scale training to thousands of cores in our
datacenters. We’ve used it to demonstrate that concepts
like “cat” can be learned from unlabeled YouTube images, to
improve speech recognition in the
Google app by 25%, and to build image search in
Google Photos. DistBelief also trained the Inception model that
won Imagenet’s Large
Scale Visual Recognition Challenge in 2014, and drove our
experiments in automated
image captioning as well as DeepDream.
While DistBelief was very successful, it had some limitations. It was narrowly targeted to neural networks, it was difficult to configure, and it was tightly coupled to Google’s internal infrastructure -- making it nearly impossible to share research code externally
While DistBelief was very successful, it had some limitations. It was narrowly targeted to neural networks, it was difficult to configure, and it was tightly coupled to Google’s internal infrastructure -- making it nearly impossible to share research code externally
Поэтому Гугл
решил, что базовые библиотеки будут
удобны и доступны всем. Глядишь,
синергетика попрет.
Так появился
проект TensorFlow
Today we’re proud
to announce the open source release of TensorFlow
-- our second-generation machine learning system, specifically
designed to correct these shortcomings. TensorFlow is general,
flexible, portable, easy-to-use, and completely open source. We added
all this while improving upon DistBelief’s speed, scalability, and
production readiness -- in fact, on some benchmarks, TensorFlow is
twice as fast as DistBelief (see the whitepaper
for details of TensorFlow’s programming model and implementation).
Компания Google опубликовала
новый открытый проект - TensorFlow,
в рамках которого подготовлена
практическая реализация алгоритмов
глубокого
машинного обучения, созданная командой
Google Brain, занимающейся исследованиями в
области искусственного интеллекта,
нейронных сетей и машинного обучения.
В настоящее время технологии TensorFlow уже
используются Google в таких областях, как
распознавание речи, выделение лиц на
фотографиях, определение схожести
изображений, отсеивание спама в Gmail и
определение смысла в сервисе перевода.
Код системы написан на языках С++ и Python
и распространяется
под лицензией Apache.
TensorFlow предоставляет
библиотеку готовых алгоритмов численных
вычислений, реализованных
через графы потоков данных (data flow graphs).
Узлы в таких графах реализуют математические
операции или точки входа/вывода, в то
время как рёбра графа представляют
многомерные массивы данных (тензоры),
которые перетекают между узлами. Узлы
могут быть закреплены за вычислительными
устройствами и выполняться асинхронно,
параллельно обрабатывая разом все
подходящие к ним тезоры. Таким образом
строится нейронная сеть, все узлы которой
работают одновременно по аналогии с
одновременной активацией нейронов в
мозге.
Параллельность,
CPU, GPU, вот это всё.
Такая красота,
что просто нет повода не выпить :)
И уже даже
народ играет вовсю:
Reinforcement
Learning using Tensor Flow
original post http://vasnake.blogspot.com/2015/11/tensorflow.html
Комментариев нет:
Отправить комментарий