轉眼間，TensorFlow 就迎來三周歲生日。

2015 年 11 月，谷歌宣布開源 TensorFlow 深度學習框架，這一框架基于谷歌 DistBelief 框架。

 

 

DistBelief 誕生于 2011 年，它是谷歌推出的第一代內部深度學習框架，能夠幫助谷歌利用自家的數(shù)據(jù)中心構建大型的神經網絡，主要應用于人工智能的開發(fā)，比如語音識別、圖片搜索等等。

但是，DistBelief 本身存在一些技術上的短板，對谷歌的人工智能發(fā)展仍有一些限制。谷歌高級研究員 Jeff Dean 和技術主管 Rajat Monga 曾表示，DistBelief 關注的重心是神經網絡，而且與谷歌內部的基礎架構聯(lián)系緊密。也就是說，該系統(tǒng)「幾乎不可能與外部共享研究代碼」，而且使用起來比較難設置。

而 TensorFlow 正是基于第一代 DistBelief 進行開發(fā)的，其命名來源于本身的運行原理，Tensor(張量)意味著 N 維數(shù)組，F(xiàn)low(流)意味著基于數(shù)據(jù)流圖的計算，TensorFlow 即為張量從圖象的一端流動到另一端——將復雜的數(shù)據(jù)結構傳輸至人工智能神經網絡中進行分析和處理。

相比較之下，作為谷歌第二代人工智能框架，TensorFlow 更快、更智能化，也更加靈活，可以更加輕松地應用于谷歌的新產品以及支持技術研究。

發(fā)展至今，我們見證了 TensorFlow 一次次重大改進。在它三歲生日之際，谷歌也將其發(fā)展過程中比較重要的時間節(jié)點進行了整理。這一切的調整，都是為了讓 TensorFlow 更易于使用。

一起看看時間軸：

 

 

via：TensorFlow 團隊

2015 年 11 月 TensorFlow 宣布開源并首次發(fā)布

2015 年 12 月 支持 GPUs，Python 3.3(v 0.6)

2016 年 4 月 分布式 TensorFlow(v 0.8)

2016 年 11 月 支持 Windows(v 0.11)

2017 年 2 月 性能改進，API 穩(wěn)定性(v 1.0)

2017 年 4 月 Keras 集成(v 1.1)

2017 年 8 月 高級 API，預算估算器，更多模型，初始 TPU 支持(v 1.3)

2017 年 11 月 Eager execution 和 TensorFlow Lite(v 1.5)

2018 年 3 月 推出 TF Hub，TensorFlow.js，TensorFlow Extended(TFX)

2018 年 5 月 新入門內容;Cloud TPU 模塊與管道(v 1.6)

2018 年 6 月 新的分布式策略 API;概率編程工具 TensorFlow Probability(v 1.8)

2018 年 8 月 Cloud Big Table 集成(v 1.10)

2018 年 10 月 側重于可用性的 API 改進(v 1.12)

2019 年 將發(fā)布 TensorFlow v 2.0

從 2016 年年底開始，TensorFlow 團隊幾乎以每兩個月一次的速度對這一框架進行更新。相信 TensorFlow 能獲得如此廣泛的受眾也與技術團隊的不斷更新緊密相連。

今年 8 月，根據(jù) Google Trends 過去三年的統(tǒng)計數(shù)據(jù)整理了全球范圍內計算機科學領域各大深度學習框架(TensorFlow、Keras、PyTorch、Caffe、Theano)在 Google 網頁的搜索熱度排名。

(從 Google Trends，看各大深度學習框架使用熱度)

 

 

可以看到，TensorFlow 的熱度一直處于領先狀態(tài)，遠大于PyTorch、Keras 等框架。不過，雖然熱度很高，但也有用戶對 TensorFlow 吐槽不斷，諸如文檔和接口混亂，使用繁瑣，調試困難等等。

標簽： Google 代碼 谷歌 排名 搜索 網絡

版權申明：本站文章部分自網絡，如有侵權，請聯(lián)系：west999com@outlook.com
特別注意：本站所有轉載文章言論不代表本站觀點！
本站所提供的圖片等素材，版權歸原作者所有，如需使用，請與原作者聯(lián)系。