深度學(xué)習(xí)對計算機科學(xué)而言，谷歌是發(fā)布有相當(dāng)深遠(yuǎn)的影響的。它讓尖端科技研究、第代開發(fā)數(shù)千萬人日常使用的機器產(chǎn)品成為可能。Google Research宣布推出第二代機器學(xué)習(xí)系統(tǒng)TensorFlow，學(xué)習(xí)系統(tǒng)針對先前的完全DistBelief的短板有了各方面的加強，更重要的開源是， 它是谷歌開源的，任何人都可以用。發(fā)布



　　谷歌內(nèi)部深度學(xué)習(xí)結(jié)構(gòu)DistBelief開發(fā)于2011年，第代它讓谷歌能夠針對數(shù)據(jù)中心的機器數(shù)千核心，構(gòu)建更為大型的學(xué)習(xí)系統(tǒng)神經(jīng)網(wǎng)絡(luò)和規(guī)模訓(xùn)練，典型的完全應(yīng)用像是提升谷歌應(yīng)用中的語音識別能力，以及為谷歌搜索加入圖片搜索功能。開源

　　不過DistBelief存在一些限制，谷歌比如說較難設(shè)置，而且和谷歌內(nèi)部接觸設(shè)施緊密結(jié)合——這就沒法很好地分享研究代碼了。

　　所以Google Research宣布推出開源的TensorFlow，這是谷歌的第二代機器學(xué)習(xí)系統(tǒng)，對于DistBelief的短板做了補足。TensorFlow靈活性佳、可移動、易于使用，而且是完全開源的。基于DistBelief的速度、可擴展性和為產(chǎn)品做準(zhǔn)備的特性，TensorFlow做得更為出色。按照谷歌所說，在某些基準(zhǔn)測試中，TensorFlow的表現(xiàn)比DistBelief快了2倍。

　　TensorFlow內(nèi)建深度學(xué)習(xí)的擴展支持，不止于此——任何能夠用計算流圖形來表達(dá)的計算，都可以使用TensorFlow。任何基于梯度的機器學(xué)習(xí)算法都能夠受益于TensorFlow的自動分化（auto-differentiation）。通過靈活的Python接口，要在TensorFlow中表達(dá)想法也會很容易。

　　除了在研究方面，TensorFlow會很有幫助，對于實際的產(chǎn)品也是很有意義的。將思路從桌面GPU訓(xùn)練無縫搬遷到手機中運行。使用谷歌的樣本模型架構(gòu)，就能很快地開始使用機器學(xué)習(xí)技術(shù)——谷歌正計劃在TensorFlow之上發(fā)布ImageNet計算機視覺模型。

　　更重要的是，TensorFlow是開源的，任何人都可以免費使用。谷歌的深度學(xué)習(xí)研究人員都在用TensorFlow，未來也將在機器學(xué)習(xí)產(chǎn)品中繼續(xù)使用。