侵权投诉
焊接机器人 喷涂机器人 搬运机器人 装配机器人 切割机器人 其他机器人
当前位置:

OFweek机器人网

其它

正文

谷歌开源人工智能系统 背后门道详解

导读: TensorFlow是谷歌研发的第二代人工智能学习系统,而第一代的DistBelief比这个要早好多年。

  据国外媒体报道,谷歌于周一发布全新人工智能系统TensorFlow。该系统可被用于语音识别或照片识别等多项机器深度学习领域,主要针对2011年开发的深度学习基础架构DistBelief进行了各方面的改进,它可在小到一部智能手机、大到数千台数据中心服务器的各种设备上运行。

  更重要的是,谷歌表示,TensorFlow将完全开源,任何人都可以用。所以,这其中有几个意思?

  关于TensorFlow的前世今生

  TensorFlow是谷歌研发的第二代人工智能学习系统,而第一代的DistBelief比这个要早好多年。

  DistBelief诞生于2011年,它是谷歌推出的第一代内部深度学习结构,能够帮助谷歌利用自家的数据中心构建大型的神经网络,主要应用于人工智能的开发,比如语音识别、图片搜索等等。

  但是,DistBelief本身存在一些技术上的短板,对谷歌的人工智能发展仍有一些限制。如谷歌高级研究员Jeff Dean和技术主管Rajat Monga表示,DistBelief关注的重心是神经网络,而且与谷歌内部的基础架构联系紧密。也就是说,该系统“几乎不可能与外部共享研究代码”,而且使用起来比较难设置。

  而TensorFlow正是基于第一代DistBelief进行开发的,其命名来源于本身的运行原理,Tensor(张量)意味着N维数组,Flow(流)意味着基于数据流图的计算,TensorFlow即为张量从图象的一端流动到另一端——将复杂的数据结构传输至人工智能神经网中进行分析和处理。

  相比较之下,作为谷歌第二代人工智能系统,TensorFlow更快、更智能化,也更加灵活,可以更加轻松地应用于谷歌的新产品以及支持技术研究。按某些标准计算,TensorFlow的运行速度相当于DistBelief的3倍。

  此外,TensorFlow一大亮点是支持异构设备分布式计算,它能够在各个平台上自动运行模型,从电话、单个CPU / GPU到成百上千GPU卡组成的分布式系统。也就是说,任何基于梯度的机器学习算法都能够受益于TensorFlow的自动分化(auto-differentiation)。

  谷歌为什么敢开源?

  鉴于TensorFlow系统的强大功能,加上谷歌正计划在TensorFlow的基础上发布ImageNet计算机视觉模型,理论上使用谷歌的样本模型架构的话,就能很快地开始使用机器学习技术,因此,它可谓谷歌在计算机智能应用方面的杀手锏。不过,谷歌公司表示,开源该系统并不会危及公司的战略,而且还是会让公司保持优势。为什么呢?

  通过谷歌最新公布的白皮书TensorFlow: Large-Scale Machine Learning on Heterogeneous Systems可见,虽然该系统转为开源,但这次开源的TensorFlow是单机实现,其最有价值的分布式数据流实现,并没有开源。也就是说,谷歌此举还是留下了一些能保持自身独特性的东西,比如巨量的数据、可以运行该软件的计算机网络,以及一个庞大的可以调整算法的人工智能专家团队。

1  2  下一页>  
声明: 本文由入驻OFweek公众平台的作者撰写,观点仅代表作者本人,不代表OFweek立场。如有侵权或其他问题,请联系举报。

我来说两句

(共0条评论,0人参与)

请输入评论

请输入评论/评论长度6~500个字

您提交的评论过于频繁,请输入验证码继续

暂无评论

暂无评论

OFweek品牌展厅

365天全天候线上展厅

我要展示 >
  • 机器人
  • 机器视觉
  • 伺服
  • 猎头职位
更多
文章纠错
x
*文字标题:
*纠错内容:
联系邮箱:
*验 证 码: