TensorFlow:异构分布式系统上的大规模机器学习
TensorFlow 是一个机器学习系统,使用数据流图表示计算,共享状态以及操作,支持训练和推理深度神经网络等应用,并在多种真实世界应用中取得了出色的性能表现。
May, 2016
本文介绍了 TensorFlow.js 的设计、API 和实现,它是一个用于在 JavaScript 中构建和执行机器学习算法的库,支持在 Web 浏览器和 Node.js 环境下运行模型,支持 Python API,使得模型可以在 Python 和 JavaScript 生态系统之间移植,从而使得来自广大 JavaScript 社区的新型开发人员可以构建和部署机器学习模型,并启用了一些新型的边缘设备计算。
Jan, 2019
TensorFlow-Serving 是一个可用于 Google 内部和云端的机器学习模型服务系统,支持多种 ML 平台,优化模型查找和推理性能,用于多租户模型托管服务 TFS^2 等生产环境。
Dec, 2017
TF.Learn 是一款基于 Python 的高级模块,用于分布式机器学习,它提供了一个易于使用的 Scikit-Learn 风格接口,简化了创建、配置、训练、评估和实验机器学习模型的过程。
Dec, 2016
Swift for TensorFlow 是一个深度学习平台,可在数据中心的硬件加速器集群从移动设备扩展。它结合了语言集成的自动微分系统和多个 Tensor 实现,这些实现是在面向可变值语义的现代预先编译语言中实现的。该平台已经通过在 30 多个深度学习模型中的使用得到了验证,并在数据中心和移动应用程序中得到了应用。
Feb, 2021
TensorLayer 是一种通用 Python 库,它提供了丰富的抽象来帮助研究人员和工程师有效地开发深度学习系统,在同时提高效率的同时维护性能和可扩展性。
Jul, 2017
TensorFlow Quantum 是一个开源库,支持快速原型设计经典或量子数据的混合量子 - 经典模型,并提供高级抽象来设计和训练区分性和生成性量子模型。该库的功能包括超导量子分类和控制,噪声型和最优化截断模拟以及类似神经网络的混合量子 - 经典模型的层次学习和 Hilbert 空间的量子分类;旨在为量子计算和机器学习提供必要的工具,发现潜在的量子算法。
Mar, 2020
本文介绍了 Mesh-TensorFlow,一种用于实现一般分布式张量计算的语言,以代替传统的数据并行策略,从而支持更大的模型训练和更高的效率。通过应用 Mesh-TensorFlow 实现了一个数据并行、模型并行的 Transformer 模型,最终在 WMT'14 英法翻译任务和亿级语言建模基准测试上实现了最优性能。
Nov, 2018
提出了一个框架,以简化创新的机器学习方法,以便将这些技术应用于生产环境中。该框架允许用户编写代码以定义他们的机器学习模型,并提供抽象层以指导开发人员将模型编写为有利于生产环境的方式。通过使用特征列,对模型进行参数化,同时提供了一组实用程序,旨在加快实验工作,以使开箱即用的模型灵活且适用于各种问题。
Aug, 2017