您尚未登录账户请先登录您的atyun账户，方可使用该功能
您的企业账号申请正在审核中审核通过后即可使用此功能，请耐心等待~
谷歌开源张量计算库TensorNetwork，计算速度提升100倍
2019年06月05日 由 bie管我叫啥 发表
210208
0
还记得张量网络吗？它越来越多地用于机器学习以执行复杂计算，但有许多障碍阻碍了其广泛应用。首先，还没有一个免费的可用加速硬件库来大规模运行底层算法。此外，大多数张量网络的文献都是面向物理应用的。谷歌的人工智能部门今天宣布了TensorNetwork，这是一个开源库和API，是与Perimeter理论物理研究所和Alphabet的X skunkworks合作开发的。它旨在通过使用谷歌的TensorFlow机器学习框架作为后端，以及优化图形卡处理来提高张量计算的效率。
在初步测试中，谷歌报告称，与处理器上的工作相比，TensorNetwork可提升高达100倍的计算速度。
张量是根据其顺序按层次结构分类的多维数组。对于非初始化的张量，张量是按顺序在层次结构中分类的多维数组。一个普通的数是一个0阶张量，或者一个标量，而一个向量是一个1阶张量，一个矩阵是一个2阶张量。因此，张量网络是用图形编码的张量收缩模式，是对几个组成张量的张量进行数学运算的类型，这些张量合在一起构成一个新的张量。
张量网络非常有效地代表了几个、几十个甚至几百个张量。它们不是直接存储或操纵它们，而是将张量表示为较大张量网络形状中的较小张量的缩略形式。这使得它们对图像分类，对象识别和其他AI任务更加实用。TensorNetwork库旨在促进这一点，它是张量网络算法的通用库，谷歌期望它对研究工程师和研究科学家有用。它指出，在物理学中，近似量子态是张量网络的一个典型用例，它非常适合说明张量网络库的功能。
谷歌人工智能研究工程师Chase Roberts和X研究科学家写道：“张量网络让我们专注于与现实世界问题最相关的量子态——低能量状态，而忽略其他不相关的状态。通过开源社区，我们也总是向TensorNetwork本身添加新功能。我们希望TensorNetwork成为物理学家和机器学习从业者的宝贵工具。”
Roberts，Leichenauer及其同事利用TensorNetwork对未来的工作进行分类，对像MNIST和Fashion-MNIST等数据集中的图像进行分类，时间序列分析和量子电路仿真。
开源：
github.com/google/tensornetwork
欢迎关注ATYUN官方公众号
商务合作及内容投稿请联系邮箱:bd@atyun.com
广告
广告
写评论取消
回复取消