Система глубокого обучения второго поколения может адаптироваться к новым продуктам и приложениям, и работаться что-либо от смартфонов до систем центра обработки данных.Google решил выпустить сообществу разработчиков ПО с открытым исходным кодом систему машинного обучения в ядре многих его услуг, включая Google Translate, Умный Ответ в Ящике входящих сообщений и поиск изображения в фотографиях Google.
Технология машинного обучения второго поколения Google, названный TensorFlow, разработана для работы всего от единственного смартфона до тысяч систем центра обработки данных, CEO, который Сандэр Пичай сказал в сообщении в блоге 9 ноября.TensorFlow является более быстрой, более умной версией технологии машинного обучения первого поколения Google и позволяет компании создавать и обучать нейронные сети на пять раз скорости, чем, что было возможно ранее, сказал Пичай.
Технология также достаточно гибка, чтобы быть адаптированной к новым продуктам и приложениям, сказал он.Освобождая TensorFlow сообществу разработчиков ПО с открытым исходным кодом, Google хочет сделать технологию доступной для инженеров, людей, увлеченных своим хобби, академических исследователей и других в поле машинного обучения. Цель состоит в том, чтобы включить обмен идеями «намного более быстро через рабочий код, а не просто научно-исследовательские работы», сказал Пичай «И который, в свою очередь, ускорит исследование в области машинного обучения в конце, заставляющем технологию работать лучше на всех».
TensorFlow может использоваться в приложениях кроме машинного обучения. Любое приложение, которое требует, чтобы исследователи поняли чрезвычайно сложные наборы данных, как сворачивание белка и уплотнение астрономических данных, может получить преимущества от TensorFlow также, добавленный CEO Google.Инфраструктура глубокого обучения первого поколения компании, названный DistBelief, была разработана в 2011.
Google использовал технологию для создания крупных нейронных сетей, разработанных для обработки информации способом, подобным человеческому мозгу. Google использовал DistBelief для показа, среди прочего, как нейронная сеть смогла учить себя распознавать изображения кошек от все еще кадров в немаркированных видео YouTube.
Google утверждает, что DistBelief помог компании улучшить свою технологию распознавания речи на 25 процентов и реализовать возможность поиска изображения в фотографиях Google.Несмотря на его огромный успех, DistBelief имел свои ограничения, Декан Google Senior Fellow Jeff и Технический руководитель Рэджэт Монга заявили в сообщении в блоге, также опубликованном 9 ноября. «Это было узко предназначено к нейронным сетям; было трудно сконфигурировать; и это было сильно связано к внутреннему созданию инфраструктуры Google это почти невозможный совместно использовать код исследования внешне», сказали два исследователя Google.TensorFlow с открытым исходным кодом обращается к таким ограничениям, также поставляя лучшую скорость и масштабируемость, отметили они.
Фактически, в некоторых сравнительных тестах, TensorFlow, оказалось, был дважды с такой скоростью, как DistBelief.Согласно Google, система машинного обучения, как выпущено сообществу разработчиков ПО с открытым исходным кодом, готова к употреблению в реальных производственных средах.
Компания выпустила архитектуру демонстрационной модели, которую предприятия могут использовать для начала работы быстро с TensorFlow.Решение Google к TensorFlow с открытым исходным кодом могло ускорить развитие вокруг машинного обучения. Но это не первая компания, которая сделает так. Ранее в этом году, Исследование AI Facebook (FAIR) команда, открыто полученная в результате поиска некоторые модули глубокого обучения, которые это разработало вокруг машинного зрения, машинного обучения и числового вычисления.
В то время, Facebook отметил, что его решение было мотивировано желанием стимулировать прогресс поля глубокого обучения.