谷歌開(kāi)源了TensorFlow，世界就要馬上被改變了嗎

Google開(kāi)源了其第二代深度學(xué)習(xí)技術(shù)TensorFlow——被使用在Google搜索、圖像識(shí)別以及郵箱的深度學(xué)習(xí)框架。這在相關(guān)媒體圈、工程師圈、人工智能公司、人工智能研究團(tuán)隊(duì)里有了一些討論。

比較有趣的是，微軟亞洲研究院立刻向媒體發(fā)郵件表示，我們發(fā)布了開(kāi)源分布式機(jī)器學(xué)習(xí)工具包（DMTK）。對(duì)于大眾來(lái)說(shuō)，這件事讓人“困惑”。

從“深度學(xué)習(xí)”到“分布式系統(tǒng)”，太多概念大眾一知半解，現(xiàn)今給出的資料又讓人難以理解。而對(duì)于“Google開(kāi)源TensorFlow”這一事件，各個(gè)公司、團(tuán)隊(duì)、學(xué)術(shù)權(quán)威也是眾說(shuō)紛紜。

因此，出門問(wèn)問(wèn)為大家“破霧”，并講一講這次開(kāi)源意味著什么。什么是深度學(xué)習(xí)？深度學(xué)習(xí)系統(tǒng)是什么？深度學(xué)習(xí)理論于2006年被提出，它通過(guò)模擬“人腦的神經(jīng)網(wǎng)絡(luò)”來(lái)解釋圖像、聲音和文本等數(shù)據(jù)。

但是目前的計(jì)算機(jī)還達(dá)不到模擬人腦數(shù)量龐大的神經(jīng)元（千億級(jí)），因此便有了用到成千上萬(wàn)大型計(jì)算機(jī)（計(jì)算平臺(tái)集群）來(lái)吸收數(shù)據(jù)對(duì)其進(jìn)行自動(dòng)分類的“分布式深度學(xué)習(xí)系統(tǒng)”。

TensorFlow的起源和此次開(kāi)源事件Google將自家研發(fā)的深度學(xué)習(xí)系統(tǒng)命名為“DistBelief”，它使得Google能夠同時(shí)處理成千上萬(wàn)臺(tái)大型計(jì)算機(jī)的數(shù)據(jù)，構(gòu)建更大型的神經(jīng)網(wǎng)絡(luò)和大規(guī)模訓(xùn)練。

Google的搜索、圖像識(shí)別及郵箱等均采用了該技術(shù)。一般情況下，深度學(xué)習(xí)系統(tǒng)都需要先設(shè)定好feature（特征），再學(xué)習(xí)如何分辨。

但GoogleDistBelief神奇的地方在于，“GoogleBrain”開(kāi)發(fā)團(tuán)隊(duì)“XLab”曾用它在未事先獲取“貓的特征描述”信息的情況下，從大量YouTube視頻中區(qū)分出了哪些是貓的視頻。

這意味著深度學(xué)習(xí)系統(tǒng)“DistBelief”自行總結(jié)出了貓的feature（特征）！雖然這個(gè)案例的識(shí)別范圍、識(shí)別率有待提高（81.7%），但作為人工智能最經(jīng)典案例之一，為人工智能翻開(kāi)了新的篇章。

而“貓”的事件，也讓曾經(jīng)的GoogleBrain開(kāi)發(fā)團(tuán)隊(duì)“XLab”的核心人員、現(xiàn)在被李彥宏挖到百度的吳恩達(dá)得到了“GoogleBrain”之父的美譽(yù)。

不過(guò)，時(shí)代總是進(jìn)步，而“DistBelief”有缺陷。Google稱，雖然DistBelief非常成功，但它僅僅以神經(jīng)網(wǎng)絡(luò)為目的、十分局限，而且很難進(jìn)行配置。

另外，DistBelief牢牢綁定在Google的內(nèi)部基礎(chǔ)設(shè)施上，幾乎不可能將代碼與外界共享。因此，本文的主角，Google的第二代深度學(xué)習(xí)系統(tǒng)“TensorFlow”橫空出世了。

Google表示，TensorFlow在設(shè)計(jì)上尤其針對(duì)克服DistBelief的短板，靈活、更通用、易使用、更快，而且完全開(kāi)源。

TensorFlow可以被架設(shè)在智能手機(jī)這樣小的設(shè)備上，甚至僅一塊電路板上，更靈活；TensorFlow可以被使用在很多計(jì)算平臺(tái)，無(wú)論是智能手機(jī)還是大型計(jì)算機(jī)、單個(gè)CPU/GPU計(jì)算機(jī)還是成百上千GPU卡組成的分布式系統(tǒng)，ARM的還是X86的構(gòu)架，更通用；TensorFlow支持多種編程語(yǔ)言，提供了很多深度學(xué)習(xí)模型庫(kù)，易使用；在很多指標(biāo)上，TensorFlow要比DistBelief要快一倍，更快。

但是，學(xué)術(shù)界和工程界的一些朋友并不喜歡這個(gè)“剛剛闖入”開(kāi)源界的“小伙子”，判了它“意義不大”的死刑。

“TensorFlow”之所以“開(kāi)源”卻不討好，是因?yàn)門ensorFlow不是第一個(gè)被開(kāi)源的深度學(xué)習(xí)系統(tǒng)，并且目前只開(kāi)源了“單機(jī)版”，而非能夠識(shí)別貓的“分布式版本”。

除了并非第一以及只開(kāi)源了單機(jī)版代碼這兩點(diǎn)外，Google開(kāi)源TensorFlow這件事最被人詬病的地方在于，在“用事實(shí)”、“用數(shù)據(jù)”說(shuō)話的學(xué)術(shù)界、工程界，Google并未用“數(shù)據(jù)對(duì)比”證明TensorFlow的“靈活、更通用、易使用”。

對(duì)于TensorFlow，出門問(wèn)問(wèn)的看法是，TensorFlow對(duì)學(xué)術(shù)界意義不大，但是對(duì)工程界意義挺大。

TensorFlow對(duì)工程界有意義：其它開(kāi)源工具雖然眾多但對(duì)工程界很難有效使用Google這次開(kāi)源的TensorFlow是一種人工智能（更具體的說(shuō)是深度學(xué)習(xí)）編程語(yǔ)言或計(jì)算框架，學(xué)術(shù)界從來(lái)都不缺少類似的開(kāi)源工具，尤其是“單機(jī)版工具包”有很多。

但是學(xué)術(shù)界的工具往往更多專注在核心算法上，在系統(tǒng)和工程方面比較欠缺，工業(yè)界很難直接有效的使用，而Google的TensorFlow在架構(gòu)設(shè)計(jì)，跨平臺(tái)可移植性，算法可擴(kuò)展性等等偏工程方面會(huì)做的比較好。

所以，TensorFlow對(duì)學(xué)術(shù)界的幫助比較小，但對(duì)工業(yè)界的幫助有很大潛在可能性。

比如語(yǔ)音識(shí)別、自然語(yǔ)言理解、計(jì)算機(jī)視覺(jué)、廣告等等都可以應(yīng)用這種深度學(xué)習(xí)算法，Google也因?yàn)樯疃葘W(xué)習(xí)系統(tǒng)的應(yīng)用使得Google語(yǔ)音識(shí)別水平提高25%。

有意義歸有意義，意義的大小是另一回事了。在這個(gè)信息交流頻繁的時(shí)代，沒(méi)有公司能隨便制造一個(gè)具有超大意義的事件或者跨時(shí)代的黑科技產(chǎn)品。

對(duì)于工程界，TensorFlow有意義但又不是神乎其神的東西，尤其是Google目前開(kāi)源的“單機(jī)版”的TensorFlow意義要小一些。

因?yàn)樵诠こ探缋?，若要完成一整件事，如識(shí)別語(yǔ)音，TensorFlow這種通用深度學(xué)習(xí)框架的存在更多是錦上添花，而非決定根本。

比如說(shuō)在一個(gè)可以應(yīng)用的語(yǔ)音識(shí)別系統(tǒng)里,除了深度學(xué)習(xí)算法外，還有很多工作是專業(yè)領(lǐng)域相關(guān)的算法以及海量數(shù)據(jù)收集和工程系統(tǒng)架構(gòu)的搭建。其實(shí)，對(duì)于中國(guó)來(lái)說(shuō)，TensorFlow還有一個(gè)意義。

在人工智能大潮下許多人和公司想入局，但大都沒(méi)有能力理解并開(kāi)發(fā)一個(gè)與國(guó)際同步的深度學(xué)習(xí)系統(tǒng)，而TensorFlow的存在會(huì)大大降低深度學(xué)習(xí)在各個(gè)行業(yè)中的應(yīng)用難度。

至于弄懂TensorFlow要花費(fèi)大量時(shí)間的問(wèn)題，就像很多公司用Linux或者h(yuǎn)adoop（一種分布式系統(tǒng)基礎(chǔ)架構(gòu)）但很少有公司弄懂了所有源代碼一樣，可以把TensorFlow當(dāng)成一個(gè)黑盒，先快速用起來(lái)，之后再根據(jù)數(shù)據(jù)和專業(yè)領(lǐng)域知識(shí)來(lái)調(diào)整。

總的來(lái)說(shuō)，如果Google按照其所說(shuō)的那樣，在未來(lái)完全開(kāi)源TensorFlow——包括其“分布式版本”，那么TensorFlow對(duì)工程界的影響會(huì)更明顯些——尤其對(duì)中國(guó)創(chuàng)業(yè)公司來(lái)說(shuō)。

谷歌人工智能寫作項(xiàng)目：小發(fā)貓

如何選擇深度學(xué)習(xí)框架 TensorFlow/Torch/Mxnet/Theano

深度學(xué)習(xí)目前的應(yīng)用領(lǐng)域很多，主要是計(jì)算機(jī)視覺(jué)和自然語(yǔ)言處理，以及各種預(yù)測(cè)等常見(jiàn)的神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)。

對(duì)于計(jì)算機(jī)視覺(jué)，可以做圖像分類、目標(biāo)檢測(cè)、視頻中的目標(biāo)檢測(cè)等，對(duì)于自然語(yǔ)言處理，可以做語(yǔ)音識(shí)別、語(yǔ)音合成、對(duì)話系統(tǒng)、機(jī)器翻譯、文章摘要、情感分析等。

對(duì)于剛?cè)胄猩疃葘W(xué)習(xí)，想從事人工智能工業(yè)應(yīng)用和研發(fā)的小白來(lái)說(shuō)，選擇文章來(lái)源地址http://www.zghlxwxcb.cn/news/detail-485239.html

到了這里，關(guān)于谷歌云計(jì)算技術(shù)基礎(chǔ)架構(gòu),谷歌卷積神經(jīng)網(wǎng)絡(luò)的文章就介紹完了。如果您還想了解更多內(nèi)容，請(qǐng)?jiān)谟疑辖撬阉鱐OY模板網(wǎng)以前的文章或繼續(xù)瀏覽下面的相關(guān)文章，希望大家以后多多支持TOY模板網(wǎng)！