ടെൻസർഫ്ലോ
![]() | |
വികസിപ്പിച്ചത് | ഗൂഗിൾ ബ്രയിൻ ടീം[1] |
---|---|
ആദ്യപതിപ്പ് | നവംബർ 9, 2015 |
Stable release | 1.12.0[2]
/ നവംബർ 5, 2018 |
റെപോസിറ്ററി | github |
ഭാഷ | പൈത്തൻ, സി++, CUDA |
പ്ലാറ്റ്ഫോം | ലിനക്സ്, മാക് ഓഎസ്, വിന്റോസ്, ആന്റ്രോയ്ഡ്, ജാവസ്ക്രിപ്റ്റ്[3] |
തരം | മെഷീൻ ലേണിങ്ങ് ലൈബ്രറി |
അനുമതിപത്രം | അപ്പാച്ചെ അനുമതിപത്രം 2.0 |
വെബ്സൈറ്റ് | www |
വിവരസാങ്കേതികവിദ്യയിൽ, പലവിധ ആവശ്യങ്ങൾക്കായി ഉപയോഗപ്പെടുത്താവുന്ന ഓപ്പൺ സോഴ്സ് സോഫ്റ്റ്വേർ ലൈബ്രറിയാണ് ടെൻസർ ഫ്ലോ. ഇത് ഒരു ഗണിത ലൈബ്രറിയാണ്. ന്യൂറൽ നെറ്റ്വർക്കുകൾ പോലെയുള്ള മെഷീൻ ലേണിംഗ് ആപ്ലിക്കേഷനുകളും ഇത് ഉപയോഗിക്കുന്നു. ഗവേഷണങ്ങൾക്കും ചില ഗൂഗിൾ ഉല്പന്നങ്ങളും ഇത് ഉപയോഗിക്കുന്നുണ്ട്.[4][5]
ഗവേഷണത്തിലും ഉൽപ്പാദനത്തിലും ഗൂഗിളിന്റെ ആന്തരിക ഉപയോഗത്തിനായി ഗൂഗിൾ ബ്രെയിൻ ടീമാണ് ടെൻസർഫ്ലോ വികസിപ്പിച്ചെടുത്തത്.[6][7][8] പ്രാരംഭ പതിപ്പ് 2015 ൽ അപ്പാച്ചെ ലൈസൻസ് 2.0 ന് കീഴിൽ പുറത്തിറങ്ങി.[1][9]ടെൻസർഫ്ലോ 2.0 എന്ന് പേരിട്ടിരിക്കുന്ന ടെൻസർഫ്ലോയുടെ പുതുക്കിയ പതിപ്പ് ഗൂഗിൾ 2019 സെപ്റ്റംബറിൽ പുറത്തിറക്കി.[10]
പൈത്തൺ, ജാവാസ്ക്രിപ്റ്റ്, സി++, ജാവാ എന്നിവയുൾപ്പെടെയുള്ള വിവിധ പ്രോഗ്രാമിംഗ് ഭാഷകളിൽ ടെൻസർഫ്ലോ ഉപയോഗിക്കാം.[11]ടെൻസർഫ്ലോയുടെ അഡാപ്റ്റബിലിറ്റി വൈവിധ്യമാർന്ന വ്യവസായങ്ങളിലുടനീളം ഇത് ബാധകമാക്കുന്നു. ഒരു സോഫ്റ്റ്വെയർ ലൈബ്രറി എന്ന നിലയിൽ, ഇമേജ് തിരിച്ചറിയൽ, ലാങ്വേജ് പ്രോസ്സസ്സിംഗ് തുടങ്ങിയ ജോലികൾക്കായി മെഷീൻ ലേണിംഗ് മോഡലുകൾ സൃഷ്ടിക്കാനും പരിശീലിപ്പിക്കാനും ഇത് ഡെവലപ്പർമാരെ പ്രാപ്തമാക്കുന്നു.
ചരിത്രം
[തിരുത്തുക]ഡിസ്റ്റ് ബിലീഫ്
[തിരുത്തുക]2011 മുതൽ, ആഴത്തിലുള്ള പഠനത്തിനായി ന്യൂറൽ നെറ്റ്വർക്കുകളെ അടിസ്ഥാനമാക്കിയുള്ള ഒരു പ്രൊപ്രൈറ്ററി മെഷീൻ ലേണിംഗ് സിസ്റ്റമായി ഗൂഗിൾ ബ്രെയിൻ ഡിസ്റ്റ്ബിലീഫ് നിർമ്മിച്ചു. ഗവേഷണത്തിലും വാണിജ്യപരമായ ആപ്ലിക്കേഷനുകളിലും വൈവിധ്യമാർന്ന ആൽഫബെറ്റ് കമ്പനികളിലുടനീളം ഇതിന്റെ ഉപയോഗം അതിവേഗം വളർന്നു.[12][13]ഡിസ്റ്റ്ബിലീഫിന്റെ കോഡ് ബേസ് ലളിതമാക്കാനും പുനഃക്രമീകരിക്കാനും ജെഫ് ഡീൻ ഉൾപ്പെടെയുള്ള ഒന്നിലധികം കമ്പ്യൂട്ടർ ശാസ്ത്രജ്ഞരെ ഗൂഗിൾ നിയോഗിച്ചു, അത് ടെൻസർഫ്ലോ ആയി മാറിയ, വേഗതയേറിയതും കൂടുതൽ കരുത്തുറ്റതുമായ ആപ്ലിക്കേഷൻ-ഗ്രേഡ് ലൈബ്രറിയായി.[14]2009-ൽ, ജെഫ്രി ഹിന്റണിന്റെ നേതൃത്വത്തിലുള്ള ടീം, ജനറലൈസ്ഡ് ബാക്ക്പ്രൊപഗേഷനും മറ്റ് മെച്ചപ്പെടുത്തലുകളും നടപ്പിലാക്കി, ഇത് ന്യൂറൽ നെറ്റ്വർക്കുകൾ ഗണ്യമായി ഉയർന്ന കൃത്യതയോടെ സൃഷ്ടിക്കാൻ അനുവദിച്ചു, ഉദാഹരണത്തിന്, സംഭാഷണം തിരിച്ചറിയുന്നതിലെ പിശകുകൾ 25% കുറവു വരുത്താൻ കഴിഞ്ഞു.[15]
ടെൻസർഫ്ലോ
[തിരുത്തുക]ഗൂഗിൾ ബ്രെയിനിന്റെ രണ്ടാം തലമുറ സംവിധാനമാണ് ടെൻസർഫ്ലോ. 1.0.0 പതിപ്പ് 2017 ഫെബ്രുവരി 11-ന് പുറത്തിറങ്ങി.[16]ഒരു മെഷീൻ ലേണിംഗ് ചട്ടക്കൂടായ ടെൻസർഫ്ലോ, ഒറ്റ ഉപകരണങ്ങളിലും ഒന്നിലധികം സിപിയുകളിലും ജിപയുകളിലും പ്രവർത്തിക്കാൻ രൂപകൽപ്പന ചെയ്തിരിക്കുന്നു, ഇത് വേഗത്തിലുള്ള കണക്കുകൂട്ടലുകൾക്കായി പാരലൽ പ്രോസസ്സിംഗ് പ്രയോജനപ്പെടുത്തുന്നു. ക്യൂഡ, സിക്കിൾ(SYCL) എന്നിവ ഉപയോഗിച്ചുകൊണ്ട് ഇതിന്റെ പ്രകടനം കൂടുതൽ മെച്ചപ്പെടുത്താൻ കഴിയും, പ്രത്യേകിച്ചും ഗ്രാഫിക്സ് പ്രോസസ്സിംഗ് യൂണിറ്റുകളിൽ പൊതു-ഉദ്ദേശ്യ കമ്പ്യൂട്ടിംഗിന് ഇത് പ്രയോജനകരമാണ്.[17]ആൻഡ്രോയിഡ്, ഐഒഎസ് എന്നിവയുൾപ്പെടെയുള്ള 64-ബിറ്റ് ലിനക്സ്, മാക്ഒഎസ്, വിൻഡോസ്, മൊബൈൽ കമ്പ്യൂട്ടിംഗ് പ്ലാറ്റ്ഫോമുകൾ എന്നിവയിൽ ടെൻസോർഫ്ലോ ലഭ്യമാണ്.
വിവിധ പ്ലാറ്റ്ഫോമുകളിൽ (സിപിയു, ജിപിയു, ടിപിയു), ഡെസ്ക്ടോപ്പുകൾ മുതൽ സെർവറുകളുടെ ക്ലസ്റ്ററുകൾ വരെ മൊബൈൽ, എഡ്ജ് ഉപകരണങ്ങളിൽ വരെ കമ്പ്യൂട്ടേഷൻ എളുപ്പത്തിൽ വിന്യസിക്കാൻ ഇതിന്റെ ഫ്ലെക്സിബിൾ ആർക്കിടെക്ചർ അനുവദിക്കുന്നു.
ടെൻസർഫ്ലോ കമ്പ്യൂട്ടേഷനുകൾ സ്റ്റേറ്റ്ഫുൾ ഡാറ്റഫ്ലോ ഗ്രാഫുകളായി കാണിക്കുന്നു. അത്തരം ന്യൂറൽ നെറ്റ്വർക്കുകൾ ടെൻസറുകൾ എന്ന് വിളിക്കപ്പെടുന്ന മൾട്ടിഡൈമൻഷണൽ ഡാറ്റ അറേകളിൽ നടത്തുന്ന പ്രവർത്തനങ്ങളിൽ നിന്നാണ് ടെൻസർഫ്ലോ എന്ന പേര് ലഭിച്ചത്. 2016 ജൂണിലെ ഗൂഗിൾ ഐ/ഒ കോൺഫറൻസിൽ, ഗിറ്റ്ഹബിൽ 1,500 റിപ്പോസിറ്ററികൾ ടെൻസർഫ്ലോയെ പരാമർശിച്ചിട്ടുണ്ടെന്ന് ജെഫ് ഡീൻ പ്രസ്താവിച്ചു, അതിൽ 5 എണ്ണം മാത്രമാണ് ഗൂഗിളിൽ നിന്നുള്ളത്.[18]
2017 ഡിസംബറിൽ, ഗൂഗിൾ, സിസ്കോ(Cisco), റെഡ്ഹാറ്റ്(RedHat), കോർഒഒഎസ്(CoreOS), കെയ് ക്ലൗഡ്(CaiCloud) എന്നിവയിൽ നിന്നുള്ള ഡെവലപ്പർമാർ ഒരു കോൺഫറൻസിൽ ക്യൂബ്ഫ്ളോ(Kubeflow) അവതരിപ്പിച്ചു. കുബെർനെറ്റസിൽ ടെൻസർഫ്ലോയുടെ പ്രവർത്തനവും വിന്യാസവും ക്യൂബ്ഫ്ളോ അനുവദിക്കുന്നു.
2018 മാർച്ചിൽ, ജാവാസ്ക്രിപ്റ്റ് ഉപയോഗിച്ച് മെഷീൻ ലേണിംഗ് പഠിക്കുന്നതിനായി ഗൂഗിൾ TensorFlow.js പതിപ്പ് 1.0 പ്രഖ്യാപിച്ചു.[19]
2019 ജനുവരിയിൽ ഗൂഗിൾ ടെൻസർഫ്ലോ 2.0 പ്രഖ്യാപിച്ചു.[20]2019 സെപ്റ്റംബറിൽ ഇത് ഔദ്യോഗികമായി ലഭ്യമായി.[10]
2019 മെയ് മാസത്തിൽ, കമ്പ്യൂട്ടർ ഗ്രാഫിക്സിൽ ആഴത്തിലുള്ള പഠനത്തിനായി ഗൂഗിൾ ടെൻസർഫ്ലോ ഗ്രാഫിക്സ് പ്രഖ്യാപിച്ചു.[21]
അവലംബം
[തിരുത്തുക]- ↑ 1.0 1.1 "Credits". TensorFlow.org. Retrieved November 10, 2015.
- ↑ "TensorFlow Release" (in അമേരിക്കൻ ഇംഗ്ലീഷ്). Retrieved 14 November 2018.
- ↑ "TensorFlow.js". Retrieved 28 June 2018.
TensorFlow.js has an API similar to the TensorFlow Python API, however it does not support all of the functionality of the TensorFlow Python API.
- ↑ 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.
- ↑ TensorFlow: Open source machine learning. Google. 2015. Archived from the original on 2021-11-11. "It is machine learning software being used for various kinds of perceptual and language understanding tasks" – Jeffrey Dean, minute 0:47 / 2:17 from YouTube clip
- ↑ Video clip by Google about TensorFlow 2015 at minute 0:15/2:17
- ↑ Video clip by Google about TensorFlow 2015 at minute 0:26/2:17
- ↑ Dean et al 2015, പുറം. 2
- ↑ Metz, Cade (November 9, 2015). "Google Just Open Sourced TensorFlow, Its Artificial Intelligence Engine". Wired. Retrieved November 10, 2015.
- ↑ 10.0 10.1 TensorFlow (2019-09-30). "TensorFlow 2.0 is now available!". Medium. Retrieved 2019-11-24.
- ↑ "API Documentation". Retrieved 2018-06-27.
- ↑ 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.
- ↑ 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.
- ↑ Oremus, Will (November 9, 2015). "What Is TensorFlow, and Why Is Google So Excited About It?". Slate. Retrieved November 11, 2015.
- ↑ Ward-Bailey, Jeff (November 25, 2015). "Google chairman: We're making 'real progress' on artificial intelligence". CSMonitor. Retrieved November 25, 2015.
- ↑ TensorFlow Developers (2022). "Tensorflow Release 1.0.0". GitHub. doi:10.5281/zenodo.4724125.
- ↑ Metz, Cade (November 10, 2015). "TensorFlow, Google's Open Source AI, Points to a Fast-Changing Hardware World". Wired. Retrieved November 11, 2015.
- ↑ Machine Learning: Google I/O 2016 Minute 07:30/44:44 accessdate=2016-06-05
- ↑ TensorFlow (2018-03-30). "Introducing TensorFlow.js: Machine Learning in Javascript". Medium. Retrieved 2019-05-24.
- ↑ TensorFlow (2019-01-14). "What's coming in TensorFlow 2.0". Medium. Retrieved 2019-05-24.
- ↑ TensorFlow (2019-05-09). "Introducing TensorFlow Graphics: Computer Graphics Meets Deep Learning". Medium. Retrieved 2019-05-24.