谷歌开源 TensorFlow 系统,背后都有什么门道?

简介:

据国外媒体报道,作为谷歌旗下最重要的人工智能系统,TensorFlow功能强大。其中包含的一些工具可以自动识别声音和图像,而另一些工具则可 以根据上下文关系理解词语含义。同时,这也是一个开源系统,允许任何人下载源码。通过将所有工具开源,TensorFlow能够让开发人员打造出高度智能 化的产品。

image

深度学习算法

人工智能并不是什么新奇的概念。在1956年的一次大会上,信息论之父克劳德·艾尔伍德·香农(Claude Elwood Shannon)就提出了关于机器人工智能的相关概念,并预计将于20年之内解决这一问题。

显然这一切并未发生。事实证明,人类的思维太过复杂,根本无法用简单的逻辑语句进行编码。许多计算机科学家都试图使计算机具有专业思维能力,但在信息理解上总会有巨大偏差。简单的说,基于逻辑规则的机器系统并不具备人类智力。

相比之下,类似于TensorFlow之类的人工智能系统本身具有学习能力。因此谷歌也在开源TensorFlow不断改进自身算法的方式,允许人工智能知识有限的开发人员也能够开发出有用的应用程序。

事实上,TensorFlow并不完美,但其可以帮助用户进行信息筛选,节省大量时间。其中包含的反馈机制也可以让系统本身不断从错误中学习改进。谷歌虽然尚未打造无所不能的人工智能系统,但却加强了人类和机器的有效协作。

开源TensorFlow

做出开放源码决定的是谷歌首席科学家杰夫·迪恩(Jeff Dean),他认为常规步骤下的创新工作进展过于缓慢。常常是一个谷歌开发人员写出代码,甚至要等上几个月才会在一次会议上进行讨论,此外另一个开发人员会再花上几个月的时间重复这一过程。

迪恩认为,开源TensorFlow能够显著加速这一进程。通过开源,谷歌开发人员能够实时与科学界进行协作。谷歌之外的人才也能够参与TensorFlow源代码的编写。而机器学习技术的共享能够广泛吸引更多的技术人才完善TensorFlow系统。

TensorFlow项目负责人Rajat Monga指出,“通过将TensorFlow开源,我们能够与大学以及诸多初创企业的开发人员进行合作,接触新的理念,推进技术发展。开源使得代码开发的速度更快,TensorFlow也更加功能多样,灵活方便。”

打造价值生态系统

从传统观念看,谷歌开源机器学习工具似乎很奇怪。我们无法想象可口可乐会向社会公布其配方。而包括苹果在内的许多高科技公司也对新产品守口如瓶。即便是谷歌,也有很多处于保密状态,比如其搜索算法。

然而世界正在不断变化。曾经通向成功的可靠途径是优化独有的价值链。通过磨砺企业内部流程以及拓展自身规模,不断提高自身在客户以及供应商之中的优势地位,从而创造更高的效率。这就是企业打造自身竞争优势的主要方式。

如今,最成功的产品逐步转变为价值生态系统。虽然谷歌聘用的都是杰出人才,但其改进技术的唯一方式就是与更大规模的整个科学界进行合作。通过开源,可以借助社会广大技术人员使用谷歌的技术开发产品。

这就是为什么很多高科技公司会开源其关键技术。除了谷歌开源其TensorFlow之外,Facebook也宣布开源其人工智能工具库,特斯拉也开源其电动汽车专利,而近期IBM也开源其量子计算平台。

今天,我们生活在互联经济时代。降低成本以及资产优化不再是绝对的竞争优势,而打造价值生态系统才是真正意义上的竞争优势。相应的能力优势不再是金字塔的顶端,而是在网络中心。

文章转载自 开源中国社区[http://www.oschina.net]

相关文章
|
22天前
|
机器学习/深度学习 人工智能 算法
猫狗宠物识别系统Python+TensorFlow+人工智能+深度学习+卷积网络算法
宠物识别系统使用Python和TensorFlow搭建卷积神经网络,基于37种常见猫狗数据集训练高精度模型,并保存为h5格式。通过Django框架搭建Web平台,用户上传宠物图片即可识别其名称,提供便捷的宠物识别服务。
228 55
|
3月前
|
机器学习/深度学习 TensorFlow 算法框架/工具
【大作业-04】手把手教你构建垃圾分类系统-基于tensorflow2.3
本文介绍了基于TensorFlow 2.3的垃圾分类系统,通过B站视频和博客详细讲解了系统的构建过程。系统使用了包含8万张图片、245个类别的数据集,训练了LeNet和MobileNet两个卷积神经网络模型,并通过PyQt5构建了图形化界面,用户上传图片后,系统能识别垃圾的具体种类。此外,还提供了模型和数据集的下载链接,方便读者复现实验。垃圾分类对于提高资源利用率、减少环境污染具有重要意义。
108 0
【大作业-04】手把手教你构建垃圾分类系统-基于tensorflow2.3
|
4月前
|
机器学习/深度学习 算法 TensorFlow
动物识别系统Python+卷积神经网络算法+TensorFlow+人工智能+图像识别+计算机毕业设计项目
动物识别系统。本项目以Python作为主要编程语言,并基于TensorFlow搭建ResNet50卷积神经网络算法模型,通过收集4种常见的动物图像数据集(猫、狗、鸡、马)然后进行模型训练,得到一个识别精度较高的模型文件,然后保存为本地格式的H5格式文件。再基于Django开发Web网页端操作界面,实现用户上传一张动物图片,识别其名称。
127 1
动物识别系统Python+卷积神经网络算法+TensorFlow+人工智能+图像识别+计算机毕业设计项目
|
1月前
|
机器学习/深度学习 人工智能 算法
【宠物识别系统】Python+卷积神经网络算法+深度学习+人工智能+TensorFlow+图像识别
宠物识别系统,本系统使用Python作为主要开发语言,基于TensorFlow搭建卷积神经网络算法,并收集了37种常见的猫狗宠物种类数据集【'阿比西尼亚猫(Abyssinian)', '孟加拉猫(Bengal)', '暹罗猫(Birman)', '孟买猫(Bombay)', '英国短毛猫(British Shorthair)', '埃及猫(Egyptian Mau)', '缅因猫(Maine Coon)', '波斯猫(Persian)', '布偶猫(Ragdoll)', '俄罗斯蓝猫(Russian Blue)', '暹罗猫(Siamese)', '斯芬克斯猫(Sphynx)', '美国斗牛犬
165 29
【宠物识别系统】Python+卷积神经网络算法+深度学习+人工智能+TensorFlow+图像识别
|
7月前
|
机器学习/深度学习 人工智能 算法
海洋生物识别系统+图像识别+Python+人工智能课设+深度学习+卷积神经网络算法+TensorFlow
海洋生物识别系统。以Python作为主要编程语言,通过TensorFlow搭建ResNet50卷积神经网络算法,通过对22种常见的海洋生物('蛤蜊', '珊瑚', '螃蟹', '海豚', '鳗鱼', '水母', '龙虾', '海蛞蝓', '章鱼', '水獭', '企鹅', '河豚', '魔鬼鱼', '海胆', '海马', '海豹', '鲨鱼', '虾', '鱿鱼', '海星', '海龟', '鲸鱼')数据集进行训练,得到一个识别精度较高的模型文件,然后使用Django开发一个Web网页平台操作界面,实现用户上传一张海洋生物图片识别其名称。
224 7
海洋生物识别系统+图像识别+Python+人工智能课设+深度学习+卷积神经网络算法+TensorFlow
|
2月前
|
机器学习/深度学习 数据采集 数据可视化
TensorFlow,一款由谷歌开发的开源深度学习框架,详细讲解了使用 TensorFlow 构建深度学习模型的步骤
本文介绍了 TensorFlow,一款由谷歌开发的开源深度学习框架,详细讲解了使用 TensorFlow 构建深度学习模型的步骤,包括数据准备、模型定义、损失函数与优化器选择、模型训练与评估、模型保存与部署,并展示了构建全连接神经网络的具体示例。此外,还探讨了 TensorFlow 的高级特性,如自动微分、模型可视化和分布式训练,以及其在未来的发展前景。
124 5
|
2月前
|
机器学习/深度学习 人工智能 算法
基于Python深度学习的【垃圾识别系统】实现~TensorFlow+人工智能+算法网络
垃圾识别分类系统。本系统采用Python作为主要编程语言,通过收集了5种常见的垃圾数据集('塑料', '玻璃', '纸张', '纸板', '金属'),然后基于TensorFlow搭建卷积神经网络算法模型,通过对图像数据集进行多轮迭代训练,最后得到一个识别精度较高的模型文件。然后使用Django搭建Web网页端可视化操作界面,实现用户在网页端上传一张垃圾图片识别其名称。
94 0
基于Python深度学习的【垃圾识别系统】实现~TensorFlow+人工智能+算法网络
|
2月前
|
机器学习/深度学习 人工智能 算法
基于深度学习的【蔬菜识别】系统实现~Python+人工智能+TensorFlow+算法模型
蔬菜识别系统,本系统使用Python作为主要编程语言,通过收集了8种常见的蔬菜图像数据集('土豆', '大白菜', '大葱', '莲藕', '菠菜', '西红柿', '韭菜', '黄瓜'),然后基于TensorFlow搭建卷积神经网络算法模型,通过多轮迭代训练最后得到一个识别精度较高的模型文件。在使用Django开发web网页端操作界面,实现用户上传一张蔬菜图片识别其名称。
107 0
基于深度学习的【蔬菜识别】系统实现~Python+人工智能+TensorFlow+算法模型
|
7月前
|
机器学习/深度学习 人工智能 算法
【乐器识别系统】图像识别+人工智能+深度学习+Python+TensorFlow+卷积神经网络+模型训练
乐器识别系统。使用Python为主要编程语言,基于人工智能框架库TensorFlow搭建ResNet50卷积神经网络算法,通过对30种乐器('迪吉里杜管', '铃鼓', '木琴', '手风琴', '阿尔卑斯号角', '风笛', '班卓琴', '邦戈鼓', '卡萨巴', '响板', '单簧管', '古钢琴', '手风琴(六角形)', '鼓', '扬琴', '长笛', '刮瓜', '吉他', '口琴', '竖琴', '沙槌', '陶笛', '钢琴', '萨克斯管', '锡塔尔琴', '钢鼓', '长号', '小号', '大号', '小提琴')的图像数据集进行训练,得到一个训练精度较高的模型,并将其
96 0
【乐器识别系统】图像识别+人工智能+深度学习+Python+TensorFlow+卷积神经网络+模型训练
|
4月前
|
机器学习/深度学习 人工智能 算法
鸟类识别系统Python+卷积神经网络算法+深度学习+人工智能+TensorFlow+ResNet50算法模型+图像识别
鸟类识别系统。本系统采用Python作为主要开发语言,通过使用加利福利亚大学开源的200种鸟类图像作为数据集。使用TensorFlow搭建ResNet50卷积神经网络算法模型,然后进行模型的迭代训练,得到一个识别精度较高的模型,然后在保存为本地的H5格式文件。在使用Django开发Web网页端操作界面,实现用户上传一张鸟类图像,识别其名称。
133 12
鸟类识别系统Python+卷积神经网络算法+深度学习+人工智能+TensorFlow+ResNet50算法模型+图像识别