亚马逊开放机器学习系统源代码:挑战谷歌TensorFlow

简介:

亚马逊在开源技术领域迈出了更大的步伐,宣布开放该公司的机器学习软件DSSTNE的源代码。

这个最新项目将与谷歌的TensorFlow竞争,后者已于去年开源。亚马逊表示,在缺乏大量数据对机器学习系统进行训练的情况下,DSSTNE表现优异,而TensorFlow则擅长处理海量数据。

亚马逊表示,DSSTNE的速度也快于TensorFlow。在数据量较少的情况下,其处理速度是后者的2.1倍。亚马逊之所以开发这款软件,是为了在其零售平台上向用户推荐商品。要实现这一功能,这就必须借助神经网络程序的帮助,但亚马逊进行推荐时未必总能掌握很多数据。

亚马逊的系统之所以能够实现如此快的速度,部分源于它利用了多个GPU的性能。与其他深度学习开源软件不同,DSSTNE可以在很多GPU之间分配任务,而不会因此降低速度和准度。

DSSTNE的常见问题解答板块写道:“这意味着只需要借助1000万独特商品便可提供建议,而无需借助数以亿计的商品实现这一功能。要处理这种规模的问题,其他软件需要利用CPU的计算性能来分析稀疏的数据,导致性能降低了一个数量级,”

亚马逊之所以开放这款软件的源代码,是希望机器学习不仅局限于语音和语言识别领域,而是可以扩大到搜索和推荐等功能中。

“我们希望世界各地的研究人员能够共同改进它,”DSSTNE的常见问题解答板块写道,“但更重要的是,我们希望它能激励更多领域的创新。”

本文转自d1net(转载)

相关文章
|
18天前
|
机器学习/深度学习 算法 TensorFlow
【图像识别】谷物识别系统Python+人工智能深度学习+TensorFlow+卷积算法网络模型+图像识别
谷物识别系统,本系统使用Python作为主要编程语言,通过TensorFlow搭建ResNet50卷积神经算法网络模型,通过对11种谷物图片数据集('大米', '小米', '燕麦', '玉米渣', '红豆', '绿豆', '花生仁', '荞麦', '黄豆', '黑米', '黑豆')进行训练,得到一个进度较高的H5格式的模型文件。然后使用Django框架搭建了一个Web网页端可视化操作界面。实现用户上传一张图片识别其名称。
55 0
【图像识别】谷物识别系统Python+人工智能深度学习+TensorFlow+卷积算法网络模型+图像识别
|
1月前
|
机器学习/深度学习 人工智能 算法
食物识别系统Python+深度学习人工智能+TensorFlow+卷积神经网络算法模型
食物识别系统采用TensorFlow的ResNet50模型,训练了包含11类食物的数据集,生成高精度H5模型。系统整合Django框架,提供网页平台,用户可上传图片进行食物识别。效果图片展示成功识别各类食物。[查看演示视频、代码及安装指南](https://www.yuque.com/ziwu/yygu3z/yhd6a7vai4o9iuys?singleDoc#)。项目利用深度学习的卷积神经网络(CNN),其局部感受野和权重共享机制适于图像识别,广泛应用于医疗图像分析等领域。示例代码展示了一个使用TensorFlow训练的简单CNN模型,用于MNIST手写数字识别。
59 3
|
1月前
|
机器学习/深度学习 算法 算法框架/工具
Python深度学习基于Tensorflow(5)机器学习基础
Python深度学习基于Tensorflow(5)机器学习基础
25 2
|
1月前
|
并行计算 Ubuntu TensorFlow
23.10.02更新 windows系统下的Tensorflow安装(图多详细)
23.10.02更新 windows系统下的Tensorflow安装(图多详细)
33 0
23.10.02更新 windows系统下的Tensorflow安装(图多详细)
|
22天前
|
机器学习/深度学习 人工智能 算法
中草药识别系统Python+深度学习人工智能+TensorFlow+卷积神经网络算法模型
中草药识别系统Python+深度学习人工智能+TensorFlow+卷积神经网络算法模型
62 0
|
24天前
|
机器学习/深度学习 自然语言处理 TensorFlow
构建高效的机器学习模型:基于Python和TensorFlow的实践
构建高效的机器学习模型:基于Python和TensorFlow的实践
38 0
|
1月前
|
算法框架/工具 TensorFlow 机器学习/深度学习
Sklearn、TensorFlow 与 Keras 机器学习实用指南第三版(九)(2)
Sklearn、TensorFlow 与 Keras 机器学习实用指南第三版(九)
163 0
Sklearn、TensorFlow 与 Keras 机器学习实用指南第三版(九)(2)
|
1月前
|
机器学习/深度学习 算法框架/工具 TensorFlow
Sklearn、TensorFlow 与 Keras 机器学习实用指南第三版(九)(1)
Sklearn、TensorFlow 与 Keras 机器学习实用指南第三版(九)
50 0
Sklearn、TensorFlow 与 Keras 机器学习实用指南第三版(九)(1)
|
1月前
|
机器学习/深度学习 人工智能 算法框架/工具
Sklearn、TensorFlow 与 Keras 机器学习实用指南第三版(八)(4)
Sklearn、TensorFlow 与 Keras 机器学习实用指南第三版(八)
45 0
Sklearn、TensorFlow 与 Keras 机器学习实用指南第三版(八)(4)
|
1月前
|
机器学习/深度学习 数据可视化 TensorFlow
【Python 机器学习专栏】使用 TensorFlow 构建深度学习模型
【4月更文挑战第30天】本文介绍了如何使用 TensorFlow 构建深度学习模型。TensorFlow 是谷歌的开源深度学习框架,具备强大计算能力和灵活编程接口。构建模型涉及数据准备、模型定义、选择损失函数和优化器、训练、评估及模型保存部署。文中以全连接神经网络为例,展示了从数据预处理到模型训练和评估的完整流程。此外,还提到了 TensorFlow 的自动微分、模型可视化和分布式训练等高级特性。通过本文,读者可掌握 TensorFlow 基本用法,为构建高效深度学习模型打下基础。

热门文章

最新文章