TensorFlow

TensorFlow 是什么

TensorFlow 是 Google 的第二代机器学习系统。Google Research 宣布将其开源发布^[1]。这次发布不只是放出源代码：Google 称它是一个独立库，同时提供工具、教程和示例，全部采用 Apache 2.0 许可^[1]。在 Google 自己的概括里，这套系统通用、灵活、可移植、易用，并且完全开源^[1]。

由来

TensorFlow 有前代系统。DistBelief 于 2011 年开发，并被用来训练 Inception 模型，该模型赢得了 2014 年的 ImageNet 挑战赛^[1]。在 TensorFlow 出现之前，Google 与 Alphabet 内部已有 50 多个团队使用 DistBelief 部署了深度神经网络^[2]。所以 TensorFlow 是一个已经长成内部基础设施的系统的第二代。

关于发布时间，几处记录互相印证。描述该系统的白皮书标注日期为 2015 年 11 月 9 日，其中写明 API 和一份参考实现以 Apache 2.0 许可的开源包形式在 2015 年 11 月发布^[2]。TensorFlow 博客把开源日期记为 2015 年 11 月 9 日^[3]。GitHub 上的代码仓库则创建于两天前的 2015 年 11 月 7 日，同样以 Apache-2.0 许可发布^[5]。

怎么工作

按白皮书的说法，TensorFlow 把计算表达为有状态的数据流图（stateful dataflow graph）^[2]。数据流图把一次计算写成由边连接的节点：节点代表运算，边代表在节点之间传递的值。说它「有状态」，是指图中的一部分可以保存跨多次运行仍然有效的值，而不必每次重建。训练神经网络可以理解为反复执行一长串这样的运算，把运算写成图，系统便能自行安排这些运算怎么分布、按什么顺序执行。

同一份描述给出了系统面向的硬件范围：同一段计算既可以跑在手机和平板上，也可以跑在数百台机器、数千张 GPU 卡上^[2]。可移植性也是 Google 列出的系统特性之一^[1]。

关于速度的说法

Google 称在某些基准上 TensorFlow 的速度是 DistBelief 的两倍^[1]。Google 官方博客给出的数字更高，说它能以比第一代系统快至多五倍的速度构建和训练神经网络^[4]。

开源发布意味着什么

以 Apache 2.0 许可发布这个库，并附上工具、教程和示例，意味着不在 Google 工作的人也能拿到这套系统^[1]。一个想构建和训练神经网络的团队可以直接从同一份代码和同一批示例起步，而不必照论文把方法重新搭一遍。

它的位置由这条谱系决定。TensorFlow 接替的是 2011 年开发的 DistBelief：后者训练出的模型赢得了 2014 年 ImageNet 挑战赛，且已在 Google 与 Alphabet 内部被 50 多个团队部署使用^[1][2]。TensorFlow 把这项工作继续下去，并因为开源而走出了建造它的那家公司^[1]。