主题信息（必填）
主题描述（最多限制在50个字符）
申请人信息（必填）
申请信息已提交审核，请注意查收邮件，我们会尽快给您反馈。
如有疑问，请联系
80后，IT宅男，全栈工程师。
不积跬步无以至千里，不积小流无以成江海
Generally speaking I am a hard working man
喜欢技术的狼
是Google用于研究深层神经网络技术，以及对相关产品做机器学习训练的新一代深度学习系统，日前以Apache 2.0许可开源。Google在此之前的一代深度学习系统名为DistBelief，它易于扩展，能对几种基本模型做训练，但对科研工作者来说，DistBelief却不够灵活。随着Google对相关问题理解逐渐深入，令他们有能力对系统做大幅精简和重新架构。TensorFlow核心以C++写成，前端支持Python和C++，并且容易扩展对其他语言的支持，例如Google内部已经有人在实现Go接口。一个Python示例如下：$ python
&&& import tensorflow as tf
&&& hello = tf.constant('Hello, TensorFlow!')
&&& sess = tf.Session()
&&& print sess.run(hello)
Hello, TensorFlow!
&&& a = tf.constant(10)
&&& b = tf.constant(32)
&&& print sess.run(a+b)
在这套系统中，计算过程是一张数据流图（Dataflow Graph），节点（Node，也称为Operation）由张量（Tensor）连接——TensorFlow正得名于此。整个系统是分布式的，不同节点可映射到不同主机上（包括手机到超级计算机），或者将不同数据，分别在CPU和GPU中计算。其灵活体现在：
TensorFlow是一套通用计算架构：
“深度学习”由系统核心之上的一组库支持
对其他机器学习算法同样适用
能应付高性能计算（HPC）任务
抽象能力强，隐藏了底层设备和硬件，又可在需要时暴露
易于扩展：
核心系统定义了一组标准Operation及Kernel（与设备相关的操作实现）
易于定义新的Operation及Kernel
这套系统最初由Google Brain Team的工程研发，为何Google选择将其开源而非雪藏？Google的文章说，他们认为，“机器学习”是未来创新产品和技术的关键，但这个领域的研究者长期以来都缺乏通用的工具，将这套目前最好的机器学习工具公诸于众，目的就是为了打造一套开放标准，让这个领域的研究者，可以更有效率的开展研究并交流思想。当前位置：
谷歌开源了TensorFlow 世界就要马上被改变了吗？
谷歌开源了TensorFlow 世界就要马上被改变了吗？
来源：智东西
(原标题：谷歌开源了TensorFlow 世界就要马上被改变了吗？)
　　 Google的第二代深度学习系统“TensorFlow”横空出世，大大降低深度学习在各个行业中的应用难度，将会给工程界尤其是中国创业公司带来不小的影响。 　　 文 | 李志飞（出门问问CEO，前谷歌科学家，自然语言处理和人工智能专家，世界主流开源翻译软件Joshua主要开发者。） 　　 Google开源了其第二代深度学习技术TensorFlow——被使用在Google搜索、图像识别以及邮箱的深度学习框架。这在相关媒体圈、工程师圈、人工智能公司、人工智能研究团队里有了一些讨论。比较有趣的是，微软亚洲研究院立刻向媒体发邮件表示，我们要开源分布式机器学习工具包（DMTK）。
　　 对于大众来说，这件事让人“困惑”。从“深度学习”到“分布式系统”，太多概念大众一知半解，现今给出的资料又让人难以理解。而对于“Google开源TensorFlow”这一事件，各个公司、团队、学术权威也是众说纷纭。因此，出门问问为大家“破雾”，并讲一讲这次开源意味着什么。 　　 深度学习系统是什么？深度学习理论于2006年被提出，它通过模拟“人脑的神经网络”来解释图像、声音和文本等数据。但是目前的计算机还达不到模拟人脑数量庞大的神经元（千亿级），因此便有了用到成千上万大型计算机（计算平台集群）来吸收数据对其进行自动分类的“分布式深度学习系统”。 　　 Google将自家研发的深度学习系统命名为“DistBelief”，它使得Google能够同时处理成千上万台大型计算机的数据，构建更大型的神经网络和大规模训练。Google的搜索、图像识别及邮箱等均采用了该技术。一般情况下，深度学习系统都需要先设定好feature（特征），再学习如何分辨。但Google DistBelief神奇的地方在于，“Google Brain”开发团队“XLab”曾用它在未事先获取 “猫的特征描述”信息的情况下，从大量YouTube 视频中区分除了哪些是猫的视频。这意味着深度学习系统“DistBelief”自行总结出了猫的feature（特征）！虽然这个案例的识别范围、识别率有待提高（81.7%），但作为人工智能最经典案例之一，为人工智能翻开了新的篇章。而“猫”的事件，也让曾经的Google Brain开发团队“XLab”的核心人员、现在被李彦宏挖到百度的吴恩达得到了“Google Brain”之父的美誉。不过，时代总是进步，而“DistBelief”有缺陷。 　　 Google称，虽然DistBelief非常成功，但它仅仅以神经网络为目的、十分局限，而且很难进行配置。另外，DistBelief牢牢绑定在Google的内部基础设施上，几乎不可能将代码与外界共享。因此，本文的主角，Google的第二代深度学习系统“TensorFlow”横空出世了。 　　 Google表示，TensorFlow在设计上尤其针对克服 DistBelief 的短板，灵活、更通用、易使用、更快，而且完全开源。TensorFlow可以被架设在智能手机这样小的设备上，甚至仅一块电路板上，更灵活； TensorFlow可以被使用在很多计算平台，无论是智能手机还是大型计算机、单个CPU / GPU计算机还是成百上千GPU卡组成的分布式系统，ARM的还是X86的构架，更通用；TensorFlow支持多种编程语言，提供了很多深度学习模型库，易使用；在很多指标上，TensorFlow要比DistBelief 要快一倍，更快。但是，学术界和工程界的一些朋友并不喜欢这个“刚刚闯入”开源界的“小伙子”，判了它“意义不大”的死刑。“TensorFlow”之所以“开源”却不讨好，是因为TensorFlow不是第一个被开源的深度学习系统，并且目前只开源了“单机版”，而非能够识别猫的“分布式版本”。除了并非第一以及只开源了单机版代码这两点外，Google开源TensorFlow这件事最被人诟病的地方在于，在“用事实”、“用数据”说话的学术界、工程界，Google并未用“数据对比”证明TensorFlow的“灵活、更通用、易使用”。 　　 对于TensorFlow，出门问问的看法是，TensorFlow对学术界意义不大，但是对工程界意义挺大。 　　 Google这次开源的TensorFlow是一种人工智能（更具体的说是深度学习）编程语言或计算框架，学术界从来都不缺少类似的开源工具，尤其是“单机版工具包”有很多。但是学术界的工具往往更多专注在核心算法上，在系统和工程方面比较欠缺，工业界很难直接有效的使用，而Google的TensorFlow在架构设计，跨平台可移植性，算法可扩展性等等偏工程方面会做的比较好。所以，TensorFlow对学术界的帮助比较小，但对工业界的帮助有很大潜在可能性。比如语音识别、自然语言理解、计算机视觉、广告等等都可以应用这种深度学习算法，Google也因为深度学习系统的应用使得Google语音识别水平提高25%。 　　 有意义归有意义，意义的大小是另一回事了。在这个信息交流频繁的时代，没有公司能随便制造一个具有超大意义的事件或者跨时代的黑科技产品。对于工程界，TensorFlow有意义但又不是神乎其神的东西，尤其是Google目前开源的“单机版”的TensorFlow意义要小一些。因为在工程界里，若要完成一整件事，如识别语音，TensorFlow这种通用深度学习框架的存在更多是锦上添花，而非决定根本。比如说在一个可以应用的语音识别系统里, 除了深度学习算法外，还有很多工作是专业领域相关的算法以及海量数据收集和工程系统架构的搭建。 　　 其实，对于中国来说，TensorFlow还有一个意义。在人工智能大潮下许多人和公司想入局，但大都没有能力理解并开发一个与国际同步的深度学习系统，而TensorFlow的存在会大大降低深度学习在各个行业中的应用难度。至于弄懂TensorFlow要花费大量时间的问题，就像很多公司用Linux或者hadoop（一种分布式系统基础架构）但很少有公司弄懂了所有源代码一样，可以把TensorFlow当成一个黑盒，先快速用起来，之后再根据数据和专业领域知识来调整。 　　 总的来说，如果Google按照其所说的那样，在未来完全开源TensorFlow——包括其“分布式版本”，那么TensorFlow对工程界的影响会更明显些——尤其对中国创业公司来说。
本文(谷歌开源了TensorFlow 世界就要马上被改变了吗？)仅代表作者个人观点，与广东之窗无关。其原创性以及文中陈述文字和内容未经本站证实，对本文以及其中全部或者部分内容、文字的真实性、完整性、及时性本站不作任何保证或承诺，请读者仅作参考，并请自行核实相关内容。广东之窗刊载此文出于传递更多信息之目的，并不意味着赞同其观点或证实其描述，也不代表本网对其真实性负责。如因作品内容、版权和其它问题需要同本网联系的，请在30日内进行；新闻纠错:
本月点击排行
总编信箱：
法律支持：广东卓建律师事务所 刘云海律师 粤ICP备号
未经授权不得镜像、转载、摘抄本站内容，违者必究！
Copyright & 2016 IGDZC. All Rights Reserved
广东之窗 版权所有Google开源了TensorFlow，世界就要马上被改变了吗？
(window.slotbydup=window.slotbydup || []).push({
id: '2611110',
container: s,
size: '240,200',
display: 'inlay-fix'
您当前位置： &
[ 所属分类
作者 红领巾 ]
编者按：本文来自出门问问 CEO 李志飞，前谷歌科学家，自然语言处理和人工智能专家，世界主流开源翻译软件 Joshua 主要开发者。Google 开源了其第二代深度学习技术 TensorFlow，这件事情有什么现实意义？Google 开源了其第二代深度学习技术 TensorFlow——被使用在 Google 搜索、图像识别以及邮箱的深度学习框架。这在相关媒体圈、工程师圈、人工智能公司、人工智能研究团队里有了一些讨论。比较有趣的是，微软亚洲研究院立刻向 媒体发邮件表示，我们要开源分布式机器学习工具包（DMTK）。对于大众来说，这件事让人 “困惑”。从 “深度学习” 到 “分布式系统”，太多概念大众一知半解，现今给出的资料又让人难以理解。而对于 “Google 开源 TensorFlow” 这一事件，各个公司、团队、学术权威也是众说纷纭。因此，出门问问为大家 “破雾”，并讲一讲这次开源意味着什么。什么是深度学习？深度学习系统是什么？深度学习理论于 2006年 被提出，它通过模拟 “人脑的神经网络” 来解释图像、声音和文本等数据。但是目前的计算机还达不到模拟人脑数量庞大的神经元（千亿级），因此便有了用到成千上万大型计算机（计算平台集群）来吸收 数据对其进行自动分类的 “分布式深度学习系统”。TensorFlow 的起源和此次开源事件Google 将自家研发的深度学习系统命名为 “DistBelief”，它使得 Google 能够同时处理成千上万台大型计算机的数据，构建更大型的神经网络和大规模训练。Google 的搜索、图像识别及邮箱等均采用了该技术。一般情况下，深度学习系统都需要先设定好 feature（特征），再学习如何分辨。但 GoogleDistBelief 神奇的地方在于，“GoogleBrain” 开发团队 “XLab” 曾用它在未事先获取“猫的特征描述” 信息的情况下，从大量 YouTube视频中区分除了哪些是猫的视频。这意味着深度学习系统 “DistBelief” 自行总结出了猫的 feature（特征）！虽然这个案例的识别范围、识别率有待提高（81.7%），但作为人工智能最经典案例之一，为人工智能翻开了新的篇章。而 “猫” 的事件，也让曾经的 GoogleBrain 开发团队 “XLab” 的核心人员、现在被李彦宏挖到百度的吴恩达得到了 “GoogleBrain” 之父的美誉。不过，时代总是进步，而 “DistBelief” 有缺陷。Google 称，虽然 DistBelief 非常成功，但它仅仅以神经网络为目的、十分局限，而且很难进行配置。另外，DistBelief 牢牢绑定在 Google 的内部基础设施上，几乎不可能将代码与外界共享。因此，本文的主角，Google 的第二代深度学习系统 “TensorFlow” 横空出世了。Google 表示，TensorFlow 在设计上尤其针对克服DistBelief的短板，灵活、更通用、易使用、更快，而且完全开源。TensorFlow 可以被架设在智能手机这样小的设备上，甚至仅一块电路板上，更灵活；TensorFlow 可以被使用在很多计算平台，无论是智能手机还是大型计算机、单个 CPU/GPU 计算机还是成百上千 GPU 卡组成的分布式系统，ARM 的还是 X86 的构架，更通用；TensorFlow 支持多种编程语言，提供了很多深度学习模型库，易使用；在很多指标上，TensorFlow 要比 DistBelief要快一倍，更快。但是，学术界和工程界的一些朋友并不喜欢这个 “刚刚闯入” 开源界的 “小伙子”，判了它 “意义不大” 的死刑。“TensorFlow” 之所以 “开源” 却不讨好，是因为 TensorFlow 不是第一个被开源的深度学习系统，并且目前只开源了 “单机版”，而非能够识别猫的 “分布式版本”。除了并非第一以及只开源了单机版代码这两点外，Google 开源 TensorFlow 这件事最被人诟病的地方在于，在 “用事实”、“用数据” 说话的学术界、工程界，Google 并未用 “数据对比” 证明 TensorFlow 的 “灵活、更通用、易使用”。对于 TensorFlow，出门问问的看法是，TensorFlow 对学术界意义不大，但是对工程界意义挺大。TensorFlow 对工程界有意义：其它开源工具虽然众多但对工程界很难有效使用Google 这次开源的 TensorFlow 是一种人工智能（更具体的说是深度学习）编程语言或计算框架，学术界从来都不缺少类似的开源工具，尤其是 “单机版工具包” 有很多。但是学术界的工具往往更多专注在核心算法上，在系统和工程方面比较欠缺，工业界很难直接有效的使用，而 Google 的 TensorFlow 在架构设计，跨平台可移植性，算法可扩展性等等偏工程方面会做的比较好。所以，TensorFlow 对学术界的帮助比较小，但对工业界的帮助有很大潜在可能性。比如语音识别、自然语言理解、计算机视觉、广告等等都可以应用这种深度学习算法，Google 也因为深度学习系统的应用使得 Google 语音识别水平提高 25%。有意义归有意义，意义的大小是另一回事了。在这个信息交流频繁的时代，没有公司能随便制造一个具有超大意义的事件或者跨时代的黑科技产品。对于 工程界，TensorFlow 有意义但又不是神乎其神的东西，尤其是 Google 目前开源的 “单机版” 的 TensorFlow 意义要小一些。因为在工程界里，若要完成一整件事，如识别语音，TensorFlow 这种通用深度学习框架的存在更多是锦上添花，而非决定根本。比如说在一个可以应用的语音识别系统里,除了深度学习算法外，还有很多工作是专业领域相关的 算法以及海量数据收集和工程系统架构的搭建。其实，对于中国来说，TensorFlow 还有一个意义。在人工智能大潮下许多人和公司想入局，但大都没有能力理解并开发一个与国际同步的深度学习系统，而 TensorFlow 的存在会大大降低深度学习在各个行业中的应用难度。至于弄懂 TensorFlow 要花费大量时间的问题，就像很多公司用
或者 Hadoop（一种分布式系统基础架构）但很少有公司弄懂了所有源代码一样，可以把 TensorFlow 当成一个黑盒，先快速用起来，之后再根据数据和专业领域知识来调整。总的来说，如果 Google 按照其所说的那样，在未来完全开源 TensorFlow——包括其 “分布式版本”，那么 TensorFlow 对工程界的影响会更明显些——尤其对中国创业公司来说。本文地址：http://www.codesec.net/Linux/074.htm
本文系统（linux）相关术语:linux系统 鸟哥的linux私房菜 linux命令大全 linux操作系统
转载请注明本文标题：本站链接：
分享请点击：
1.凡CodeSecTeam转载的文章,均出自其它媒体或其他官网介绍,目的在于传递更多的信息,并不代表本站赞同其观点和其真实性负责；
2.转载的文章仅代表原创作者观点,与本站无关。其原创性以及文中陈述文字和内容未经本站证实,本站对该文以及其中全部或者部分内容、文字的真实性、完整性、及时性，不作出任何保证或承若；
3.如本站转载稿涉及版权等问题,请作者及时联系本站,我们会及时处理。
登录后可拥有收藏文章、关注作者等权限...
一切随心意！且行且珍惜！
手机客户端
，专注代码审计及安全周边编程，转载请注明出处：http://www.codesec.net
转载文章如有侵权，请邮件 admin[at]codesec.net