На этом шаге мы рассмотрим что такое TensorFlow.
TensorFlow - бесплатная платформа машинного обучения на Python с открытым исходным кодом, разработанная в основном в Google. Как и у NumPy, основная цель TensorFlow - дать инженерам и исследователям возможность манипулировать математическими выражениями с числовыми тензорами. Но TensorFlow может намного больше, чем NumPy, в том числе:
- автоматически вычислять градиент любого дифференцируемого выражения, что делает ее прекрасной основой для машинного обучения;
- работать не только на обычных, но также на графических и тензорных процессорах - высокопараллельных аппаратных ускорителях;
- распределять вычисления между множеством компьютеров;
- экспортировать вычисления другим окружениям выполнения, таким как C++, JavaScript (для веб-приложений, выполняющихся в браузере) или TensorFlow Lite (для приложений, действующих в мобильных или встраиваемых устройствах) и т. д. Это упрощает развертывание приложений TensorFlow в практических условиях.
Важно помнить, что TensorFlow - это не просто библиотека. Это целая платформа, на которой базируется обширная экосистема компонентов. Часть из них разработана в Google, часть - сторонними организациями. В их числе можно назвать TF-Agents для исследования обучения с подкреплением, TFX для организации управления процессом машинного обучения, TensorFlow Serving для развертывания в производственном окружении и репозиторий TensorFlow Hub предварительно обученных моделей. Вместе эти компоненты охватывают широкий спектр сценариев использования, от передовых исследований до крупномасштабных производственных приложений.
Библиотека TensorFlow поддерживает возможность масштабирования: так, ученые из Национальной лаборатории Ок-Риджа с ее помощью обучили модель прогнозирования экстремальных погодных условий на суперкомпьютере IBM Summit с 27 000 графических процессоров и суммарной производительностью 1,1 эксафлопса. Google тоже использовал TensorFlow для разработки приложений глубокого обучения, требующих больших вычислительных ресурсов, таких как агент AlphaZero для игры в шахматы и в го. При создании своих моделей, если вам будет выделен достаточный бюджет, вы можете надеяться на масштабирование до 10 петафлопс на небольшом модуле TPU или большом кластере графических процессоров, арендованном в Google Cloud или AWS. Это составит около 1 % от пиковой производительности одного из самых мощных суперкомпьютеров в 2019 году!
На следующем шаге мы рассмотрим что такое Keras.
