谷歌云大会最后一天解读开放性:从TensorFlow开源到开放云平台

简介: 当地时间 3 月 10 日,Google Cloud Next '17 在美国旧金山顺利闭幕。机器之心作为受邀媒体对这场为期 3 天的会议进行了现场报道,参阅《现场直击 | 李飞飞首度亮相谷歌云大会:发布全新 API,解读 AI 民主化》和《谷歌云官方正式宣布收购数据科学社区 Kaggle》。谷歌云大会的最后一天,Google Cloud 产品开发、计算 & 开发者服务副总裁 Sam Ramji、谷歌大脑 TensorFlow 负责人 Rajat Monga 和 Google Senior Fellow Jeff Dean 等演讲者和受邀嘉宾重点围绕 Kubernetes、TensorFlow

谷歌 Kubernetes 社区项目经理 Sarah Novotny 作为第三天 Keynote 的主持人,首先点明了这场演讲的主题:开放(Openness)。


微信图片_20211128132509.jpg


在「互联网之父」Vint Cerf 上台简要介绍了谷歌在网络方面免费开源软件的历史与价值之后,Linux 基金会执行总监 Jim Zemlin 对 Linux 软件的开源进行了介绍,他称之为史上最成功的开源软件之一。据介绍,在 Linux 项目上每天有 10800 行代码被增加、5300 行代码被移除、1875 行代码被修改。而且现在的开源项目已经非常多了,几乎在我们的生活中无处不在,光是在 GitHub 上就有 5000 万个开源项目。


微信图片_20211128132505.jpg


Zemlin 还特别指出谷歌是开源方面一个毫无疑问的领导者。


微信图片_20211128132503.jpg


然后谷歌架构副总裁 Eric Brewer 详细地介绍了谷歌在开源项目的贡献,比如谷歌主导的开源项目安卓、Kubernetes、TensorFlow 和 Chrome 等都已经在各自领域取得了领先。


微信图片_20211128132459.jpg


他用数据说明了谷歌去年对开源社区所做出的贡献:在 2016 年,由谷歌人在 GitHub 上 commit 过的开源项目就超过了 28 万个(这只是使用 @google.com 邮箱的提交,更不要说还有使用 Gmail 等个人邮箱的提交),贡献的项目超过 1.5 万个,谷歌人贡献出的超过 10 个 Events 的项目有 2500 个。


微信图片_20211128132456.jpg


谷歌也赞助了 50-75 个主要的开源社区和项目,并且也在通过开源的方式来帮助让网络更加安全,比如过去几年,谷歌为 Chrome 和 Linux 修复了至少 100 个安全漏洞。Brewer 还提到开源也给谷歌带来了很大的好处,并说:「这是我们大力拥抱开放(Openness)的另一个原因。」


微信图片_20211128132453.jpg


随后,Red Hat 首席技术员、副总裁 Chris Wright 分享了如何联合开源与企业促进行业的发展。「开源与合作有益于所有人。」Wright 说。


随之而来的就是我们所关注的今天 Keynote 中的重点——TensorFlow 的开源。


Jeff Dean 介绍说 TensorFlow 的目标是建立一个共同平台,使其成为世界上最好的开源平台。但为什么要开源呢?Jeff 说谷歌开源 TensorFlow 的目的是为了构建一个共享研究的公共平台以及将机器学习带给每一个人。如同 Jeff 在首届 TensorFlow 开发者大会上介绍的那样,短短一年的开源 TensorFlow 已经成为了 GitHub 上最受欢迎的机器学习项目,有着 4.9 万以上的 star 量。


微信图片_20211128132449.jpg

不仅如此,谷歌也已经将 TensorFlow 应用到了自家的很多产品中,比如 Gmail、YouTube、谷歌翻译、搜索等等。


2 月份,谷歌刚刚发布 TensorFlow 的 1.0 版本。从 2015 年底的最初开源到 1.0 版本的发布,他们对 TensorFlow 做出了大大小小的修改与性能添加。Jeff 还重点说到,TensorFlow 另一重要的特性就是支持多种平台:CPU、GPU、TPU、安卓、iOS、树莓派等。


微信图片_20211128132446.jpg

在 Jeff Dean 大致介绍了 TensorFlow 的开源状况之后,TensorFlow 的另一负责人 Rigat Monga 也分享了他对开源的认识,他认为对任何开源项目而言最重要的就是社区。而谷歌正有着强大的开源社区。


微信图片_20211128132443.jpg

他介绍说,来自谷歌外的贡献者就有近 500 个,仅去年对他们源代码的评论或更新有近 1.5 万条,且被越来越多的教授机器学习课程的大学使用,其中包括多伦多大学、斯坦福等。


除了谷歌在自家产品上的应用,Monga 还谈到了更多企业和机构对 TensorFlow 的接纳,其中包括 DeepMind、英特尔、Twitter 以及中国的小米和京东等等。


微信图片_20211128132440.jpg

不只是企业,谷歌的目标是将机器学习带给每一个人。Monga 之后又介绍了一些开发者所开发出的新奇项目,比如日本的一些开发者使用 TensorFlow 机器学习来筛选黄瓜。另外 TensorFlow 也在帮助推动医疗保健技术的发展,比如发表在 Nature 上的论文《Dermatologist-level classification of skin cancer with deep neural networks》介绍了使用深度神经网络进行皮肤癌检测的进展,这项成果就用到了 TensorFlow。


/

微信图片_20211128132435.jpg

作为今天的主场,谷歌云的开放情况如何?Google Cloud 产品开发、计算 & 开发者服务副总裁 Sam Ramji 对此进行了讲解。


他认为开放研发是我们如今都在迈向的一种模式,它包括开放 API、开放资源、开放云。开放云意味着要接受开源并回馈开源、开放权限(没有进入或退出的障碍)以及开放生态系统。


微信图片_20211128132431.jpg


本届谷歌云大会宣布的其中一个重大消息就是对数据科学社区 Kaggle 的收购,今天的 keynote 中,Kaggle 联合创始人、CEO Anthoy Goldbloom 同样来到了现场,简单介绍了 Kaggle 加入谷歌的重要意义。「我认为这将给我们的社区带来巨大的影响。」他说,「Kaggle 有一个包含大约 85 万人的庞大社区,他们分享了大量数据、大量 Kaggle Kernel 和大量代码。如果你看看机器学习和数据科学几年前的状态,那基本上就是训练一个可以在单台机器上运行的随机森林和回归。机器学习现在已经进化了,变得远远更加复杂了,也能做远远更加强大的事情。加入谷歌能让我们接触到世界上最先进的机器学习云,从而让我们可以做远远更多更强大的事情。」


微信图片_20211128132427.jpg


借此机会,谷歌云也宣布了此届为期三天的大会的最后一项重大宣布:机器学习创业公司竞赛。从零售到能源,任何垂直领域的机器学习创业公司都有资格参加。对获胜者,谷歌会给予其谷歌云平台账户 100 万美元,此外获胜者还有机会与谷歌工程师 1 对 1 的合作来精调自己的模型。此外,此次大赛还获得了 7 家投资机构的支持。微信图片_20211128132145.jpg



相关文章
|
5月前
|
机器学习/深度学习 人工智能 TensorFlow
TensorFlow 是一个由 Google 开发的开源深度学习框架
TensorFlow 是一个由 Google 开发的开源深度学习框架
70 3
|
人工智能 安全 Cloud Native
带你读《云原生机密计算最佳实践白皮书》——部署TensorFlow Serving在线推理服务(1)
带你读《云原生机密计算最佳实践白皮书》——部署TensorFlow Serving在线推理服务(1)
521 0
带你读《云原生机密计算最佳实践白皮书》——部署TensorFlow Serving在线推理服务(1)
|
机器学习/深度学习 人工智能 算法
在家搭建了一套TensorFlow开源机器学习平台
在家搭建了一套TensorFlow开源机器学习平台
433 0
在家搭建了一套TensorFlow开源机器学习平台
|
机器学习/深度学习 人工智能 算法
2019 年 11 月最新《TensorFlow 2.0 深度学习算法实战》中文版教材免费开源(附随书代码+pdf)
2019 年 11 月最新《TensorFlow 2.0 深度学习算法实战》中文版教材免费开源(附随书代码+pdf)
404 0
2019 年 11 月最新《TensorFlow 2.0 深度学习算法实战》中文版教材免费开源(附随书代码+pdf)
|
人工智能 自然语言处理 机器人
谷歌发布 AI 语言模型 ELECTRA,将作为 TensorFlow 上的开源模型
谷歌发布 AI 语言模型 ELECTRA,将作为 TensorFlow 上的开源模型
谷歌发布 AI 语言模型 ELECTRA,将作为 TensorFlow 上的开源模型
|
机器学习/深度学习 人工智能 自然语言处理
TensorFlow开源一周年:这可能是一份最完整的盘点
TensorFlow 宣布开源已经过去一年时间了。在谷歌的支持下,TensorFlow 成为了 GitHub 上今年最受欢迎的机器学习开源项目(据 GitHub 开源报告)。今天,Google Research Blog 上发表了一篇 TensorFlow 开源一周年的介绍文章,我们也对之前谷歌在 TensorFlow 框架上展开的项目进行了盘点(谷歌所公开的)。
274 0
|
机器学习/深度学习 SQL JSON
简化TensorFlow和Spark互操作性:LinkedIn开源Spark-TFRecord
TensorFlow 是市场上最流行的深度学习框架,而 Apache Spark 仍然是被广泛采用的数据计算平台之一,从大型企业到初创公司都能见到它们的身影。很自然会有公司尝试将这两者结合起来。
|
4天前
|
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。
23 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
|
4天前
|
机器学习/深度学习 人工智能 算法
【手写数字识别】Python+深度学习+机器学习+人工智能+TensorFlow+算法模型
手写数字识别系统,使用Python作为主要开发语言,基于深度学习TensorFlow框架,搭建卷积神经网络算法。并通过对数据集进行训练,最后得到一个识别精度较高的模型。并基于Flask框架,开发网页端操作平台,实现用户上传一张图片识别其名称。
19 0
【手写数字识别】Python+深度学习+机器学习+人工智能+TensorFlow+算法模型
|
4天前
|
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。
20 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

热门文章

最新文章