創(chuàng)建 TensorFlow 只是為了開發(fā)您自己的機器學(xué)習(xí) （ML） 模型。您甚至可能每天都會體驗它而不知道，例如建議下一個 YouTube 視頻、圖像識別或語音助手的推薦系統(tǒng)。但什么是 TensorFlow，它是如何工作的，它使用什么硬件，為什么它是機器學(xué)習(xí)的主要工具？

Google 構(gòu)建了 TensorFlow，這是一個開源軟件庫，用于機器學(xué)習(xí)和深度學(xué)習(xí)應(yīng)用程序，專為開發(fā)人員設(shè)計。計算機從這些人工智能模型中學(xué)習(xí)，以進行模式識別和數(shù)據(jù)預(yù)測。開發(fā)人員利用 TensorFlow 的框架實現(xiàn)了更高效的模型開發(fā)和訓(xùn)練。該工具加載了多種功能，可幫助構(gòu)建更快、可能更智能的應(yīng)用程序。

TensorFlow 的機制

想想這個名字，TensorFlow。它讓我們對它是如何工作的有一個很好的了解。張量是一個多維數(shù)據(jù)數(shù)組，就像網(wǎng)格一樣，它存儲代表一串文本、圖像、音頻波形等的數(shù)字。

同時，該流指示數(shù)據(jù)如何通過一系列作（稱為計算圖）。每個節(jié)點代表一個數(shù)學(xué)運算，而每個邊代表這些運算之間的數(shù)據(jù)流。將它們放在一起，TensorFlow 本質(zhì)上允許張量數(shù)據(jù)通過數(shù)學(xué)函數(shù)網(wǎng)絡(luò)。

這種結(jié)構(gòu)將大型、復(fù)雜的模型分解為更小、更有效的處理步驟。它輸出一個結(jié)果，用于區(qū)分圖像中的對象，例如貓和狗。

TensorFlow 之所以受歡迎，部分原因是其先進的研究支持、靈活性和可擴展性。它在筆記本電腦上運行進行實驗，并可擴展到數(shù)千臺并行工作的服務(wù)器，非常適合業(yè)余愛好者和企業(yè) AI 系統(tǒng)。除了核心庫之外，谷歌和開源社區(qū)還圍繞它開發(fā)了一個豐富的生態(tài)系統(tǒng)。

例如，Keras 有一個簡單的界面，允許開發(fā)人員輸入幾行代碼來生成神經(jīng)網(wǎng)絡(luò)。團隊可以使用 TensorBoard 來跟蹤指標(biāo)并可視化模型訓(xùn)練進度。借助 TensorFlow Lite，移動和嵌入式設(shè)備可以直接在設(shè)備上運行 ML 模型。這使得語音識別和其他應(yīng)用程序等功能能夠高效工作，而無需持續(xù)的互聯(lián)網(wǎng)連接。

此外，開發(fā)人員使用 TensorFlow.js 在帶有 JavaScript 的瀏覽器中運行模型?？梢酝ㄟ^ TensorFlow Extended 全面開發(fā)和部署 ML 管道。

訓(xùn)練 TensorFlow 模型

開發(fā)人員如何在 TensorFlow 中訓(xùn)練模型？他們設(shè)計了一個模型架構(gòu)，該架構(gòu)決定了數(shù)據(jù)如何流經(jīng)數(shù)學(xué)函數(shù)層。然后，他們?yōu)槠涮峁┯?xùn)練數(shù)據(jù)，作為模型學(xué)習(xí)的示例。該框架依靠優(yōu)化算法（由自動微分提供支持）來調(diào)整模型的內(nèi)部參數(shù)。

TensorFlow 使用自動微分來計算梯度以進行優(yōu)化，無需手動進行復(fù)雜的數(shù)學(xué)運算，例如微積分和線性代數(shù)。這樣，開發(fā)人員就可以設(shè)計解決方案，而不是輸入方程。訓(xùn)練后，它會在新數(shù)據(jù)上進行測試以評估其準(zhǔn)確性。如果性能符合預(yù)期，它就會部署到實際應(yīng)用程序中。

以下視頻是 TensorFlow 的截斷實際使用。如果您按照視頻訪問 TensorFlow 的 YouTube 頁面，您會發(fā)現(xiàn)更多關(guān)于人們?nèi)绾卧谒麄兊捻椖恐惺褂盟氖纠?。還有很多鼓舞人心的故事。

擴展的硬件支持

此外，由于機器學(xué)習(xí)需要大量計算，TensorFlow 由于支持各種硬件平臺而提供高性能。它將 CPU 用于不需要大量并行處理的小型模型、實驗和生產(chǎn)系統(tǒng)。這也意味著任何擁有 CPU 的人都可以在臺式機或筆記本電腦上處理 TensorFlow 項目。

此外，TensorFlow 還能夠使用 GPU 處理大規(guī)模的并行數(shù)學(xué)運算，使其可用于訓(xùn)練深度學(xué)習(xí)模型。

除此之外，谷歌還開發(fā)了張量處理單元（TPU）來處理機器學(xué)習(xí)任務(wù)（圖1）。TPU 加速訓(xùn)練和推理，使大型模型能夠大規(guī)模高效運行。這些用于數(shù)據(jù)中心，開發(fā)人員可以通過 Google Cloud 訪問它們。由于這種靈活性，開發(fā)人員能夠快速制作模型原型并將其擴展到生產(chǎn)中，而無需針對不同的硬件重新編碼。

谷歌云

1. Google 的張量處理單元確保 TensorFlow 具有最佳性能。

appshunter.io/Unsplash

2. 智能手機的 Google Assistant 通常使用 TensorFlow。