TensorFlow - це безкоштовна бібліотека програмного забезпечення з відкритим кодом для потоку даних та диференційованого програмування для різних завдань. Це символьна математична бібліотека, а також використовується для машинного навчання, таких як нейронні мережі. Він використовується як для досліджень, так і для виробництва в Google. Google
TensorFlow був розроблений командою Google Brain для внутрішнього використання Google. Він був випущений під ліцензією Apache 2.0 листопада 9, 2015.
Починаючи з 2011, Google Brain побудував DistBelief як власну систему машинного навчання, засновану на нейронних мережах глибокого навчання. Її використання швидко зростало в різних компаніях Alphabet, як в наукових, так і в комерційних програмах. Google призначив декількох науковців-комп’ютерів, включаючи Джеффа Діна, для спрощення та переформатування кодової бази DistBelief у більш швидку, більш надійну бібліотеку додатків, яка стала TensorFlow. У 2009 команда під керівництвом Джеффрі Хінтона впровадила узагальнені розмноження та інші вдосконалення, що дозволило генерувати нейронні мережі зі значно більшою точністю, наприклад, зниження на 25% помилок у розпізнаванні мови.
TensorFlow - це система другого покоління Google Brain. Версія 1.0.0 вийшла в лютому 11, 2017. Хоча реалізація посилань працює на одних пристроях, TensorFlow може працювати на декількох процесорах та графічних процесорах (з додатковими розширеннями CUDA та SYCL для обчислення загального призначення на одиницях графічної обробки). TensorFlow доступний на 64-бітових Linux, macOS, Windows та мобільних обчислювальних платформах, включаючи Android та iOS.
Його гнучка архітектура дозволяє легко розгортати обчислення на різних платформах (процесори, графічні процесори, TPU), а також від настільних комп'ютерів до кластерів серверів до мобільних та крайових пристроїв.
Обчислення TensorFlow виражаються у вигляді графіків стану даних. Назва TensorFlow походить від операцій, які такі нейронні мережі виконують на багатовимірних масивах даних, які називають тензорами. Під час конференції I / O Google у червні 2016 Джеф Дін заявив, що сховища 1,500 на GitHub згадували TensorFlow, з яких лише 5 були від Google.
У березні 2018 компанія Google оголосила TensorFlow.js версії 1.0 для машинного навчання в JavaScript та TensorFlow Graphics для глибокого вивчення комп'ютерної графіки.
У січні 2019 компанія Google оголосила TensorFlow 2.0.
Блок тензорної обробки (ТПУ)
У травні 2016 компанія Google оголосила про свій блок обробки процесорів Tensor (TPU) - спеціальну інтегральну схему (апаратний чіп), побудовану спеціально для машинного навчання та розроблену для TensorFlow. TPU - програмований AI-прискорювач, призначений для забезпечення високої пропускної здатності арифметики низької точності (наприклад, 8-біт) і орієнтований на використання або запуску моделей, а не на їх навчання. Google оголосив, що працює ТПУ у своїх центрах обробки даних більше року, і виявив їх доставку на порядок краще оптимізованої продуктивності на ватт для машинного навчання.
У травні 2017 компанія Google оголосила про друге покоління, а також про наявність TPU в Google Compute Engine. TPU другого покоління забезпечують до 180 терафлопс продуктивності, а коли вони організовані в кластери 64 TPU, забезпечують до 11.5 petaflops.
У травні 2018, Google оголосив про TPU третього покоління, що постачають до 420 терафлопс продуктивності та 128 GB HBM. Cloud TPU v3 Pods пропонують 100 + petaflops продуктивності та 32 TB HBM.
У лютому 2018 компанія Google оголосила, що робить доступні TPU в бета-версії на хмарній платформі Google.
Край ТПУ
У липні 2018 було оголошено TPU Edge. Edge TPU - це чіп ASIC, розроблений Google, призначений для запуску моделей машинного навчання TensorFlow Lite (ML) на невеликих клієнтських обчислювальних пристроях, таких як смартфони, відомі як крайові обчислення.
TensorFlow Lite
У травні 2017 Google оголосила стек програмного забезпечення, спеціально для розвитку мобільних пристроїв, TensorFlow Lite. У січні 2019 команда TensorFlow опублікувала попередній перегляд розробника мобільного двигуна для виводу графічного процесора з OpenGL ES 3.1 Compute Shaders на пристроях Android та Metal Compute Shaders на пристроях iOS. У травні 2019 компанія Google оголосила, що їх TensorFlow Lite Micro (також відомий як TensorFlow Lite для мікроконтролерів) та uTensor ARM об'єднаються.
Pixel Visual Core (ПВХ)
У жовтні 2017, Google випустила Google Pixel 2, який демонстрував їх Pixel Visual Core (PVC), повністю програмоване зображення, бачення та процесор AI для мобільних пристроїв. ПВХ підтримує TensorFlow для машинного навчання (і Halide для обробки зображень).
додатків
Google офіційно випустив RankBrain в жовтні 26, 2015, підтриманий TensorFlow.
Google також випустив Colaboratory - середовище ноутбука TensorFlow Jupyter, яке не потребує налаштування.
Курс машинного навчання "Збій" (MLCC)
У березні 1, 2018, Google випустила свій курс машинного навчання Crash (MLCC). Спочатку розроблений для того, щоб допомогти співробітникам Google практичним штучним інтелектом та основ машинного навчання, Google розробив свої безкоштовні семінари TensorFlow у кількох містах світу, перш ніж остаточно випустити курс для публіки.
Повернутися до початку