首頁?行業  »   正文

谷歌開源張量計算庫TensorNetwork,計算速度提升100倍

谷歌開源張量計算庫TensorNetwork,計算速度提升100倍

還記得張量網絡嗎?它越來越多地用于機器學習以執行復雜計算,但有許多障礙阻礙了其廣泛應用。首先,還沒有一個免費的可用加速硬件庫來大規模運行底層算法。此外,大多數張量網絡的文獻都是面向物理應用的。

谷歌的人工智能部門今天宣布了TensorNetwork,這是一個開源庫和API,是與Perimeter理論物理研究所和Alphabet的X skunkworks合作開發的。它旨在通過使用谷歌的TensorFlow機器學習框架作為后端,以及優化圖形卡處理來提高張量計算的效率。

在初步測試中,谷歌報告稱,與處理器上的工作相比,TensorNetwork可提升高達100倍的計算速度。

谷歌開源張量計算庫TensorNetwork,計算速度提升100倍

張量是根據其順序按層次結構分類的多維數組。對于非初始化的張量,張量是按順序在層次結構中分類的多維數組。一個普通的數是一個0階張量,或者一個標量,而一個向量是一個1階張量,一個矩陣是一個2階張量。

因此,張量網絡是用圖形編碼的張量收縮模式,是對幾個組成張量的張量進行數學運算的類型,這些張量合在一起構成一個新的張量。

谷歌開源張量計算庫TensorNetwork,計算速度提升100倍

張量網絡非常有效地代表了幾個、幾十個甚至幾百個張量。它們不是直接存儲或操縱它們,而是將張量表示為較大張量網絡形狀中的較小張量的縮略形式。這使得它們對圖像分類,對象識別和其他AI任務更加實用。

TensorNetwork庫旨在促進這一點,它是張量網絡算法的通用庫,谷歌期望它對研究工程師和研究科學家有用。它指出,在物理學中,近似量子態是張量網絡的一個典型用例,它非常適合說明張量網絡庫的功能。

谷歌人工智能研究工程師Chase Roberts和X研究科學家寫道:“張量網絡讓我們專注于與現實世界問題最相關的量子態——低能量狀態,而忽略其他不相關的狀態。通過開源社區,我們也總是向TensorNetwork本身添加新功能。我們希望TensorNetwork成為物理學家和機器學習從業者的寶貴工具。”

Roberts,Leichenauer及其同事利用TensorNetwork對未來的工作進行分類,對像MNIST和Fashion-MNIST等數據集中的圖像進行分類,時間序列分析和量子電路仿真。

開源:

github.com/google/tensornetwork

歡迎關注ATYUN官方公眾號,商務合作及內容投稿請聯系郵箱:[email protected]

發表評論