텐서플로우

TensorFlow
텐서플로우
TensorFlow logo
개발자구글 브레인[1] 팀
초기 릴리즈2015년 11월 9일, 6년 전(2015-11-09)
안정된 릴리스
2.9.0[2] (2022년 5월 16일, 2개월 전 (2022년 5월 16일))
저장소github.com/tensorflow/tensorflow
기입처Python, C++, CUDA
플랫폼Linux, macOS, Windows, Android, JavaScript[3]
유형기계 학습 도서관
면허증.Apache 라이센스 2.0
웹 사이트www.tensorflow.org
시리즈의 일부
기계 학습
및 데이터 마이닝
Scatterplot featuring a linear support vector machine's decision boundary (dashed line)
문제
지도 학습
(분류 • 회귀)
클러스터링
치수 축소
구조화된 예측
이상 검출
인공신경망
강화 학습
인간과의 학습
모형 진단
이론.
기계학습장
관련 기사

TensorFlow는 기계학습과 인공지능을 위한 무료 오픈소스 소프트웨어 라이브러리입니다.다양한 태스크에 걸쳐 사용할 수 있지만 심층 신경망의 [4][5]훈련과 추론에 특히 중점을 두고 있다.

TensorFlow는 Google Brain 팀이 연구 및 생산에 [6][7][8]구글 내부 사용을 위해 개발한 것입니다.초기 버전은 2015년에 [1][9]Apache License 2.0으로 출시되었습니다.구글은 텐서플로우의 업데이트 버전인 텐서플로우 2.0을 2019년 [10]9월에 출시했다.

TensorFlow는 Javascript, C++, [11]Java뿐만 아니라 Python을 비롯한 다양한 프로그래밍 언어로 사용할 수 있습니다.이러한 유연성은 다양한 분야의 다양한 애플리케이션에 적합합니다.

역사

디스트 빌리브

Google Brain은 2011년부터 딥러닝 뉴럴 네트워크를 기반으로 한 독자적인 머신러닝 시스템으로 DistBelief를 구축했습니다.연구 [12][13]및 상업용 애플리케이션 모두에서 다양한 알파벳 회사에서 빠르게 사용되었습니다.구글은 Jeff Dean을 포함한 여러 명의 컴퓨터 과학자를 파견하여 Dist Belief의 코드베이스를 보다 빠르고 견고한 애플리케이션 등급 라이브러리로 단순화 및 재팩터링하여 TensorFlow가 [14]되었다.2009년에 Geoffrey Hinton이 이끄는 팀은 음성 [15]인식 오류를 25% 줄이는 등 상당히 높은 정확도로 신경 네트워크를 생성할 수 있도록 일반화된 역전파 및 기타 개선 사항을 구현했다.

텐서플로우

텐서플로우는 구글 브레인 2세대 시스템이다.버전 1.0.0은 2017년 [16]2월 11일에 출시되었습니다.레퍼런스 실장은 단일 디바이스에서 실행되지만 TensorFlow는 여러 CPU 및 GPU에서 실행할 수 있습니다(그래픽 처리 [17]유닛에서의 범용 컴퓨팅을 위한 옵션인 CUDA 및 SYCL 확장 기능 포함).TensorFlow는 64비트 Linux, macOS, Windows 및 Android 및 iOS를 포함한 모바일 컴퓨팅 플랫폼에서 사용할 수 있습니다.

유연한 아키텍처를 통해 다양한 플랫폼(CPU, GPU, TPU)에 걸쳐 데스크톱에서 서버 클러스터, 모바일 및 엣지 디바이스까지 컴퓨팅을 쉽게 도입할 수 있습니다.

TensorFlow 계산은 상태 저장 데이터 흐름 그래프로 표현됩니다.TensorFlow라는 이름은 이러한 신경 네트워크가 텐서라고 하는 다차원 데이터 배열에서 수행하는 작업에서 유래합니다.2016년 6월 구글 I/O 컨퍼런스에서 Jeff Dean은 GitHub에 1,500개의 저장소가 TensorFlow를 언급했으며, 이 중 5개만이 구글에서 [18]온 것이라고 말했다.

2017년 12월, Google, Cisco, RedHat, CoreOS, CaiCloud의 개발자들이 컨퍼런스에서 Kubeflow를 소개했습니다.Kubeflow는 Kubernetes에서 TensorFlow를 작동 및 전개할 수 있습니다.

2018년 3월 Google은 JavaScript [19]머신러닝용 TensorFlow.js 버전 1.0을 발표했습니다.

2019년 1월, 구글은 텐서플로우 2.0을 [20]발표했다.2019년 [10]9월에 정식 발매되었습니다.

2019년 5월, 구글은 컴퓨터 [21]그래픽의 딥 러닝을 위한 텐서플로 그래픽스를 발표했다.

텐서 처리 장치(TPU)

주요 기사:텐서 처리 장치

2016년 5월, 구글은 기계 학습을 위해 특별히 제작되고 텐서 플로우에 맞게 조정된 애플리케이션별 집적회로(ASIC, 하드웨어 칩)인 텐서 프로세싱 유닛(TPU)을 발표했다.TPU는 저정밀 산술(예: 8비트)의 높은 처리량을 제공하도록 설계된 프로그래밍 가능한 AI 가속기로, 모델을 교육하는 대신 사용 또는 실행 모델을 지향합니다.Google은 데이터 센터 내에서 1년 이상 TPU를 실행해왔으며, 기계 [22]학습용으로 와트당 성능이 월등히 향상되었음을 확인했다고 발표했습니다.

2017년 5월, 구글은 2세대와 구글 컴퓨팅 엔진에서의 [23]TPU의 가용성을 발표했습니다.2세대 TPU는 최대 180테라플롭의 성능을 제공하며, 64개의 TPU로 구성된 클러스터로 구성되면 최대 11.5페타플롭의 성능을 제공합니다.

2018년 5월 Google은 최대 420테라플롭의 성능과 128GB의 고대역폭 메모리(HBM)를 제공하는 3세대 TPU를 발표했습니다. Cloud TPU v3 Pod는 100페타플롭 이상의 성능과 32TB의 [24]HBM을 제공합니다.

2018년 2월 Google은 구글 클라우드 플랫폼에서 [25]TPU를 베타 버전으로 제공한다고 발표했습니다.

가장자리 TPU

2018년 7월 Edge TPU가 발표되었습니다.엣지 TPU는 엣지 컴퓨팅으로 알려진 스마트폰과[26] 같은 소규모 클라이언트 컴퓨팅 장치에서 TensorFlow Lite 머신 러닝(ML) 모델을 실행하도록 설계된 구글의 특별 제작된 ASIC 칩입니다.

텐서플로 라이트

2017년 5월, 구글은 모바일 개발 전용 소프트웨어 스택인 텐서플로우 라이트(TensorFlow Lite)[27]를 발표했습니다.2019년 1월 텐서플로우는 안드로이드 기기에서는 OpenGL ES 3.1 Compute Shaders, iOS [28]기기에서는 Metal Compute Shaders를 탑재한 모바일 GPU 추론 엔진의 개발자 프리뷰를 공개했다.2019년 5월 구글은 TensorFlow Lite Micro(마이크로컨트롤러용 TensorFlow Lite라고도 함)와 ARM의 uTensor가 [29]합병할 것이라고 발표했다.

픽셀 비주얼 코어(PVC)

2017년 10월, 구글은 구글 픽셀 2를 출시했다. 픽셀 비주얼 코어(PVC)는 완전히 프로그램 가능한 이미지, 비전, 모바일 기기용 AI 프로세서이다.PVC는 머신 러닝용(및 이미지 처리용 할로겐화물) 텐서플로우를 지원합니다.

TensorFlow 2.0

연구 논문들 사이에서 [30]텐서플로우의 시장 점유율이 PyTorch에 유리하게 하락하자, 텐서플로우 팀은 2019년 9월에 라이브러리의 새로운 주요 버전을 출시한다고 발표했다.TensorFlow 2.0은 많은 변화를 가져왔으며, 가장 중요한 것은 TensorFlow 열심이다. TensorFlow는 정적 계산 그래프에서 "실행별 정의" 체계를 Chainer와 이후 PyTorch에 [30]의해 널리 보급된 "실행별 정의" 체계로 변경했다.다른 주요 변경 사항으로는 오래된 라이브러리의 제거, TensorFlow의 다른 버전에서 훈련받은 모델 간의 상호 호환성, [31][non-primary source needed]GPU의 성능 대폭 향상 등이 있습니다.

특징들

자동 차별화

AutoDifferentation은 각 파라미터에 대한 모델의 구배 벡터를 자동으로 계산하는 프로세스입니다.이 기능을 사용하여 TensorFlow는 모델의 파라미터에 대한 그라데이션(gradation)을 자동으로 계산할 수 있으며, [32]이는 성능을 최적화하기 위해 그라데이션이 필요한 역전파와 같은 알고리즘에 유용합니다.이를 위해 프레임워크는 모델의 입력 텐서에 수행된 연산 순서를 추적한 다음 적절한 매개변수에 [32]대한 구배를 계산해야 합니다.

신속한 실행

TensorFlow에는 [33]"eager execution" 모드가 포함되어 있습니다.이것은 나중에 실행되는 계산 그래프에 추가되는 것이 아니라 연산이 즉시 평가되는 것을 의미합니다.데이터가 연산 [33]그래프에서 나중에가 아니라 각 코드 행에서 증강되기 때문에 열심히 실행된 코드를 디버거를 통해 단계적으로 검사할 수 있다.이 실행 패러다임은 [33]단계별로 투명하기 때문에 디버깅이 더 쉬운 것으로 간주됩니다.

나눠주다

고속 실행과 그래프 실행 모두에서 TensorFlow는 다양한 배포 [34]전략을 사용하여 여러 디바이스에 걸쳐 계산을 분산하기 위한 API를 제공합니다.이러한 분산 컴퓨팅은 종종 TensorFlow 모델의 훈련과 평가의 실행 속도를 높일 수 있으며 [34][35]AI 분야에서 일반적인 관행이다.

손실

모델을 훈련하고 평가하기 위해 TensorFlow는 일련의 손실 함수(비용 [36]함수라고도 함)를 제공합니다.일반적인 예로는 MSE(평균 제곱 오차)와 BCE([36]이진 교차 엔트로피)가 있습니다.이러한 손실 함수는 모델의 출력과 예상 출력 사이의 "오류" 또는 "차이"를 계산합니다(더 넓게는 두 텐서 간의 차이).데이터 세트와 모델에 따라 성능의 특정 측면에 우선순위를 부여하기 위해 서로 다른 손실이 사용됩니다.

측정 기준

머신러닝 모델의 성능을 평가하기 위해 TensorFlow는 일반적으로 사용되는 메트릭에 대한 API 액세스를 제공합니다.예를 들어 정밀도, 호출 및 조합 교차로(IoU)[37]와 같은 다른 메트릭과 함께 다양한 정확도 메트릭(이진수, 범주형, 희박한 범주형)이 포함됩니다.

TF.nnn

TensorFlow.nn은 모델에서 [38]원시 뉴럴 네트워크 연산을 실행하기 위한 모듈입니다.이러한 연산 중 일부는 컨볼루션의 변형(1/2/3D, 아터러스, 깊이), 활성화 기능(소프트맥스, RELU, GELU, Sigmoid 등)과 그 변형, 그리고 기타 텐서 연산(최대 풀링, 바이어스 덧셈 등)[38]을 포함한다.

옵티마이저

TensorFlow는 ADAM, ADAGRAD 및 SGD([39]Stochastic Gradient Descent)를 포함한 신경 네트워크를 훈련하기 위한 일련의 최적기를 제공합니다.모델을 교육할 때, 서로 다른 최적기가 서로 다른 모드의 매개변수 튜닝을 제공하며, 종종 모델의 수렴 및 [40]성능에 영향을 미칩니다.

사용방법 및 확장기능

텐서플로우

TensorFlow는 기계 학습을 위한 핵심 플랫폼 및 라이브러리 역할을 합니다.TensorFlow의 API는 Keras를 사용하여 사용자가 자신만의 기계 학습 [41]모델을 만들 수 있도록 합니다.TensorFlow는 모델을 구축 및 훈련할 뿐만 아니라 모델을 훈련하기 위한 데이터를 로드하고 TensorFlow [42]Serving을 사용하여 배치할 수 있습니다.

TensorFlow는 안정적인 Python [43]API뿐만 아니라 Javascript,[44] C++,[45] [46][11]Java에 대한 하위 호환성 보증 없이 API를 제공합니다.서드파티 언어 바인딩 패키지는 [49]C#,[50] Haskell,[51] Julia,[52] MATLAB,[53][54] R, Scala,[55] Rust,[47][48][56] OCaml 및 Crystal에서도 사용할 수 있습니다.현재 아카이브되어 지원되지 않는 바인딩에는 Go 및 [58]Swift가 포함됩니다[57].

TensorFlow.js

TensorFlow는 JavaScript에서 기계 학습을 위한 라이브러리도 가지고 있습니다.제공된 JavaScript API를 사용하여 TensorFlow.js 모델 또는 TensorFlow 또는 TFLite에서 변환된 모델을 사용하여 지정된 모델을 재교육하고 [42][59]웹에서 실행할 수 있습니다.

TFLite

TensorFlow Lite는 TensorFlow [60]모델을 생성 및 배포하기 위한 모바일 앱 또는 임베디드 기기용 API를 가지고 있습니다.이러한 모델은 압축 및 최적화되어 있어 보다 효율적이며 용량이 작은 [61]디바이스에서 보다 높은 성능을 발휘합니다.

TensorFlow Lite는 표준 TensorFlow [61]모델에서 사용되는 Protocol Buffers 형식을 사용하지 않고 네트워크 모델의 데이터 직렬화 형식으로 FlatBuffer를 사용합니다.

TFX

TensorFlow Extended(약칭).TFX)는 엔드 투 엔드 [62]생산에 필요한 모든 작업을 수행하기 위한 수많은 컴포넌트를 제공합니다.컴포넌트에는 데이터의 로드, 검증 및 변환, 머신러닝 모델의 튜닝, 트레이닝 및 평가, 모델 자체의 [42][62]실가동화가 포함됩니다.

통합

넘피

Numpy는 가장 인기 있는 Python 데이터 라이브러리 중 하나이며, TensorFlow는 데이터 [63]구조와의 통합과 호환성을 제공합니다.라이브러리의 네이티브 데이터형인 Numpy NDarrays는 TF 작업에서 자동으로 TensorFlow 텐서로 변환됩니다.반대도 마찬가지입니다.[63]이를 통해 사용자가 명시적인 데이터 변환을 쓸 필요 없이 두 라이브러리가 동시에 작업할 수 있습니다.또,[63] 가능한 한 TF텐서가 Numpy NDarray의 기본 메모리 표현을 공유하도록 함으로써, 통합은 메모리 최적화까지 확장된다.

내선번호

TensorFlow는 [64]또한 사용되는 모델과 방법을 발전시키고 확장하기 위한 다양한 라이브러리와 확장을 제공합니다.예를 들어, TensorFlow Recommenders와 TensorFlow Graphics는 추천 시스템과 그래픽에서 각각의 기능을 위한 라이브러리이며, TensorFlow Federated는 분산된 데이터를 위한 프레임워크를 제공하며, TensorFlow Cloud는 사용자가 직접 Google Cloud와 상호 작용하여 Google Cloud에 [65]로컬 코드를 통합할 수 있도록 합니다.기타 추가 기능, 라이브러리 및 프레임워크에는 TensorFlow 모델 최적화, TensorFlow 확률, TensorFlow Quantum 및 TensorFlow 의사결정 [64][65]포레스트가 포함됩니다.

구글 콜라브

구글은 설정이 [66]필요 없는 텐서플로우 주피터 노트북 환경인 콜라보러토리도 출시했다.Google Cloud에서 실행되며 사용자가 GPU에 무료로 액세스하고 Google [67]Drive에 노트북을 저장하고 공유할 수 있습니다.

구글 JAX

주요 기사:구글 JAX

Google JAX는 수치 [68][69][70]함수를 변환하기 위한 기계 학습 프레임워크입니다.이것은 수정된 버전의 autograd(함수의 미분을 통해 그라데이션 함수의 자동 취득)와 TensorFlow의 XLA(가속 선형 대수)를 결합하는 것으로 설명된다.NumPy의 구조와 워크플로우를 가능한 한 가깝게 따르도록 설계되었으며 TensorFlow 및 PyTorch와 같은 다른 프레임워크와 함께 작동합니다.JAX의 주요 기능은 다음과 같습니다.[68]

  1. 그라데이션: 자동 미분
  2. jit: 컴파일
  3. vmap: 자동 평가
  4. pmap: SPMD 프로그래밍

적용들

의료의

GE Healthcare는 TensorFlow를 사용하여 특정 신체 [71]부위를 식별하는 데 있어 MRI의 속도와 정확도를 높였습니다.구글은 TensorFlow를 사용하여 사용자가 자신의 피부 사진을 찍고 잠재적인 건강 [72]합병증을 식별할 수 있는 무료 모바일 애플리케이션인 DermAssist를 만들었다.Sinovation Ventures는 TensorFlow를 사용하여 OCT(광학적 간섭 단층 촬영)[72] 스캔에서 눈병을 식별하고 분류했습니다.

소셜 미디어

Twitter는 TensorFlow를 구현하여 특정 사용자의 트윗을 중요도에 따라 순위를 매기고, 이 [73]순위에 따라 트윗을 표시하도록 플랫폼을 변경하였습니다.이전에는 트윗이 단순히 시간 역순으로 [73]표시되었습니다.사진 공유 앱 VSCO는 [72]TensorFlow를 사용하여 사진에 대한 맞춤형 필터를 제안했습니다.

검색 엔진

구글은 2015년 [74]10월 26일 TensorFlow를 통해 공식적으로 RankBrain을 출시했다.

교육

가상학습플랫폼인 InSpace는 TensorFlow를 사용하여 [75]교실의 유해채팅 메시지를 걸러냈다.온라인 영어 학습 플랫폼인 Liulishuo는 TensorFlow를 활용하여 [76]각 학생을 위한 적응형 커리큘럼을 만들었습니다.TensorFlow는 학생의 현재 능력을 정확하게 평가하기 위해 사용되었으며,[76] 이러한 능력을 바탕으로 보여줄 최적의 미래 콘텐츠를 결정하는 데에도 도움이 되었습니다.

소매

전자상거래 플랫폼인 Carouseell은 [72]TensorFlow를 사용하여 고객에게 맞춤형 추천을 제공했습니다.화장품 회사 ModiFace는 고객들이 [77]얼굴에서 다양한 색조의 메이크업을 테스트할 수 있는 증강현실 경험을 만들기 위해 TensorFlow를 사용했습니다.

2016년 원본 사진(왼쪽)과 TensorFlow 뉴럴 스타일 적용(오른쪽) 비교

조사.

TensorFlow는 자동화된 이미지 캡처 소프트웨어 DeepDream의 [78]기반입니다.

「 」를 참조해 주세요.

참고 문헌

  • Moroney, Laurence (October 1, 2020). AI and Machine Learning for Coders (1st ed.). O'Reilly Media. p. 365. ISBN 9781492078197.
  • Géron, Aurélien (October 15, 2019). Hands-On Machine Learning with Scikit-Learn, Keras, and TensorFlow (2nd ed.). O'Reilly Media. p. 856. ISBN 9781492032632.
  • Ramsundar, Bharath; Zadeh, Reza Bosagh (March 23, 2018). TensorFlow for Deep Learning (1st ed.). O'Reilly Media. p. 256. ISBN 9781491980446.
  • Hope, Tom; Resheff, Yehezkel S.; Lieder, Itay (August 27, 2017). Learning TensorFlow: A Guide to Building Deep Learning Systems (1st ed.). O'Reilly Media. p. 242. ISBN 9781491978504.
  • Shukla, Nishant (February 12, 2018). Machine Learning with TensorFlow (1st ed.). Manning Publications. p. 272. ISBN 9781617293870.

외부 링크

레퍼런스

  1. ^ a b "Credits". TensorFlow.org. Retrieved November 10, 2015.
  2. ^ "Release 2.9.0". May 16, 2022. Retrieved May 21, 2022.
  3. ^ "TensorFlow.js". Retrieved June 28, 2018.
  4. ^ Abadi, Martín; Barham, Paul; Chen, Jianmin; Chen, Zhifeng; Davis, Andy; Dean, Jeffrey; Devin, Matthieu; Ghemawat, Sanjay; Irving, Geoffrey; Isard, Michael; Kudlur, Manjunath; Levenberg, Josh; Monga, Rajat; Moore, Sherry; Murray, Derek G.; Steiner, Benoit; Tucker, Paul; Vasudevan, Vijay; Warden, Pete; Wicke, Martin; Yu, Yuan; Zheng, Xiaoqiang (2016). TensorFlow: A System for Large-Scale Machine Learning (PDF). Proceedings of the 12th USENIX Symposium on Operating Systems Design and Implementation (OSDI ’16). arXiv:1605.08695.
  5. ^ TensorFlow: Open source machine learning. Google. 2015. Archived from the original on November 11, 2021. "이것은 다양한 지각 및 언어 이해 작업에 사용되는 기계 학습 소프트웨어입니다." – Jeffrey Dean, YouTube 클립 0:47 / 2:17 분
  6. ^ 0:15/2:17분 TensorFlow 2015에 대한 Google 동영상
  7. ^ TensorFlow 2015에 대한 Google의 동영상(분 0:26/2:17초
  8. ^ Dean et al 2015, 페이지 2
  9. ^ Metz, Cade (November 9, 2015). "Google Just Open Sourced TensorFlow, Its Artificial Intelligence Engine". Wired. Retrieved November 10, 2015.
  10. ^ a b TensorFlow (September 30, 2019). "TensorFlow 2.0 is now available!". Medium. Retrieved November 24, 2019.
  11. ^ a b "API Documentation". Retrieved June 27, 2018.
  12. ^ Dean, Jeff; Monga, Rajat; et al. (November 9, 2015). "TensorFlow: Large-scale machine learning on heterogeneous systems" (PDF). TensorFlow.org. Google Research. Retrieved November 10, 2015.
  13. ^ Perez, Sarah (November 9, 2015). "Google Open-Sources The Machine Learning Tech Behind Google Photos Search, Smart Reply And More". TechCrunch. Retrieved November 11, 2015.
  14. ^ Oremus, Will (November 9, 2015). "What Is TensorFlow, and Why Is Google So Excited About It?". Slate. Retrieved November 11, 2015.
  15. ^ Ward-Bailey, Jeff (November 25, 2015). "Google chairman: We're making 'real progress' on artificial intelligence". CSMonitor. Retrieved November 25, 2015.
  16. ^ "Tensorflow Release 1.0.0". GitHub.
  17. ^ Metz, Cade (November 10, 2015). "TensorFlow, Google's Open Source AI, Points to a Fast-Changing Hardware World". Wired. Retrieved November 11, 2015.
  18. ^ 기계학습 : 구글 I/O 2016분 07:30/44:44 접속일=2016-06-05
  19. ^ TensorFlow (March 30, 2018). "Introducing TensorFlow.js: Machine Learning in Javascript". Medium. Retrieved May 24, 2019.
  20. ^ TensorFlow (January 14, 2019). "What's coming in TensorFlow 2.0". Medium. Retrieved May 24, 2019.
  21. ^ TensorFlow (May 9, 2019). "Introducing TensorFlow Graphics: Computer Graphics Meets Deep Learning". Medium. Retrieved May 24, 2019.
  22. ^ Jouppi, Norm. "Google supercharges machine learning tasks with TPU custom chip". Google Cloud Platform Blog. Retrieved May 19, 2016.
  23. ^ "Build and train machine learning models on our new Google Cloud TPUs". Google. May 17, 2017. Retrieved May 18, 2017.
  24. ^ "Cloud TPU". Google Cloud. Retrieved May 24, 2019.
  25. ^ "Cloud TPU machine learning accelerators now available in beta". Google Cloud Platform Blog. Retrieved February 12, 2018.
  26. ^ Kundu, Kishalaya (July 26, 2018). "Google Announces Edge TPU, Cloud IoT Edge at Cloud Next 2018". Beebom. Retrieved February 2, 2019.
  27. ^ "Google's new machine learning framework is going to put more AI on your phone". May 17, 2017.
  28. ^ TensorFlow (January 16, 2019). "TensorFlow Lite Now Faster with Mobile GPUs (Developer Preview)". Medium. Retrieved May 24, 2019.
  29. ^ "uTensor and Tensor Flow Announcement Mbed". os.mbed.com. Retrieved May 24, 2019.
  30. ^ a b He, Horace (October 10, 2019). "The State of Machine Learning Frameworks in 2019". The Gradient. Retrieved May 22, 2020.
  31. ^ "TensorFlow 2.0 is now available!". TensorFlow Blog. September 30, 2019. Retrieved May 22, 2020.
  32. ^ a b "Introduction to gradients and automatic differentiation". TensorFlow. Retrieved November 4, 2021.
  33. ^ a b c "Eager execution TensorFlow Core". TensorFlow. Retrieved November 4, 2021.
  34. ^ a b "Module: tf.distribute TensorFlow Core v2.6.1". TensorFlow. Retrieved November 4, 2021.
  35. ^ Sigeru., Omatu (2014). Distributed Computing and Artificial Intelligence, 11th International Conference. Springer International Publishing. ISBN 978-3-319-07593-8. OCLC 980886715.
  36. ^ a b "Module: tf.losses TensorFlow Core v2.6.1". TensorFlow. Retrieved November 4, 2021.
  37. ^ "Module: tf.metrics TensorFlow Core v2.6.1". TensorFlow. Retrieved November 4, 2021.
  38. ^ a b "Module: tf.nn TensorFlow Core v2.7.0". TensorFlow. Retrieved November 6, 2021.
  39. ^ "Module: tf.optimizers TensorFlow Core v2.7.0". TensorFlow. Retrieved November 6, 2021.
  40. ^ Dogo, E. M.; Afolabi, O. J.; Nwulu, N. I.; Twala, B.; Aigbavboa, C. O. (December 2018). "A Comparative Analysis of Gradient Descent-Based Optimization Algorithms on Convolutional Neural Networks". 2018 International Conference on Computational Techniques, Electronics and Mechanical Systems (CTEMS): 92–99. doi:10.1109/CTEMS.2018.8769211. ISBN 978-1-5386-7709-4. S2CID 198931032.
  41. ^ "TensorFlow Core Machine Learning for Beginners and Experts". TensorFlow. Retrieved November 4, 2021.
  42. ^ a b c "Introduction to TensorFlow". TensorFlow. Retrieved October 28, 2021.
  43. ^ "All symbols in TensorFlow 2 TensorFlow Core v2.7.0". TensorFlow. Retrieved November 6, 2021.
  44. ^ "TensorFlow.js". js.tensorflow.org. Retrieved November 6, 2021.
  45. ^ "TensorFlow C++ API Reference TensorFlow Core v2.7.0". TensorFlow. Retrieved November 6, 2021.
  46. ^ "org.tensorflow Java". TensorFlow. Retrieved November 6, 2021.
  47. ^ Icaza, Miguel de (February 17, 2018). "TensorFlowSharp: TensorFlow API for .NET languages". GitHub. Retrieved February 18, 2018.
  48. ^ Chen, Haiping (December 11, 2018). "TensorFlow.NET: .NET Standard bindings for TensorFlow". GitHub. Retrieved December 11, 2018.
  49. ^ "haskell: Haskell bindings for TensorFlow". tensorflow. February 17, 2018. Retrieved February 18, 2018.
  50. ^ Malmaud, Jon (August 12, 2019). "A Julia wrapper for TensorFlow". GitHub. Retrieved August 14, 2019. operations like sin, * (matrix multiplication), .* (element-wise multiplication), etc [..]. Compare to Python, which requires learning specialized namespaced functions like tf.matmul.
  51. ^ "A MATLAB wrapper for TensorFlow Core". GitHub. November 3, 2019. Retrieved February 13, 2020.
  52. ^ "tensorflow: TensorFlow for R". RStudio. February 17, 2018. Retrieved February 18, 2018.
  53. ^ Platanios, Anthony (February 17, 2018). "tensorflow_scala: TensorFlow API for the Scala Programming Language". GitHub. Retrieved February 18, 2018.
  54. ^ "rust: Rust language bindings for TensorFlow". tensorflow. February 17, 2018. Retrieved February 18, 2018.
  55. ^ Mazare, Laurent (February 16, 2018). "tensorflow-ocaml: OCaml bindings for TensorFlow". GitHub. Retrieved February 18, 2018.
  56. ^ "fazibear/tensorflow.cr". GitHub. Retrieved October 10, 2018.
  57. ^ "tensorflow package - github.com/tensorflow/tensorflow/tensorflow/go - pkg.go.dev". pkg.go.dev. Retrieved November 6, 2021.
  58. ^ "Swift for TensorFlow (In Archive Mode)". TensorFlow. Retrieved November 6, 2021.
  59. ^ "TensorFlow.js Machine Learning for JavaScript Developers". TensorFlow. Retrieved October 28, 2021.
  60. ^ "TensorFlow Lite ML for Mobile and Edge Devices". TensorFlow. Retrieved November 1, 2021.
  61. ^ a b "TensorFlow Lite". TensorFlow. Retrieved November 1, 2021.
  62. ^ a b "TensorFlow Extended (TFX) ML Production Pipelines". TensorFlow. Retrieved November 2, 2021.
  63. ^ a b c "Customization basics: tensors and operations TensorFlow Core". TensorFlow. Retrieved November 6, 2021.
  64. ^ a b "Guide TensorFlow Core". TensorFlow. Retrieved November 4, 2021.
  65. ^ a b "Libraries & extensions". TensorFlow. Retrieved November 4, 2021.
  66. ^ "Colaboratory – Google". research.google.com. Retrieved November 10, 2018.
  67. ^ "Google Colaboratory". colab.research.google.com. Retrieved November 6, 2021.
  68. ^ a b JAX: Autograd and XLA, Google, June 18, 2022, archived from the original on June 18, 2022, retrieved June 18, 2022
  69. ^ "Using JAX to accelerate our research". www.deepmind.com. Archived from the original on June 18, 2022. Retrieved June 18, 2022.
  70. ^ "Why is Google's JAX so popular?". Analytics India Magazine. April 25, 2022. Archived from the original on June 18, 2022. Retrieved June 18, 2022.
  71. ^ "Intelligent Scanning Using Deep Learning for MRI". Retrieved November 4, 2021.
  72. ^ a b c d "Case Studies and Mentions". TensorFlow. Retrieved November 4, 2021.
  73. ^ a b "Ranking Tweets with TensorFlow". Retrieved November 4, 2021.
  74. ^ 3.5kshares; 72kreads. "A Complete Guide to the Google RankBrain Algorithm". Search Engine Journal. Retrieved November 6, 2021.
  75. ^ "InSpace: A new video conferencing platform that uses TensorFlow.js for toxicity filters in chat". Retrieved November 4, 2021.
  76. ^ a b Xulin. "流利说基于 TensorFlow 的自适应系统实践". Weixin Official Accounts Platform. Retrieved November 4, 2021.
  77. ^ "How Modiface utilized TensorFlow.js in production for AR makeup try on in the browser". Retrieved November 4, 2021.
  78. ^ Byrne, Michael (November 11, 2015). "Google Offers Up Its Entire Machine Learning Library as Open-Source Software". Vice. Retrieved November 11, 2015.