Google은 TensorFlow를 포기하지 않았으며 4가지 원칙을 명확히 하는 2023년 새 버전을 출시할 예정입니다.

2015년 Google Brain은 "TensorFlow"라는 연구 프로젝트를 열었습니다. 이 제품은 빠르게 인기를 얻었으며 인공 지능 산업의 주류 딥 러닝 프레임워크가 되어 현대 기계 학습 생태계를 형성했습니다. 그 이후로 수천 명의 오픈 소스 기여자와 수많은 개발자, 커뮤니티 조직자, 연구원, 교육자 모두가 이 오픈 소스 소프트웨어 라이브러리에 투자했습니다.

그러나 7년이 지난 후 이야기는 완전히 다른 방향으로 흘러갔습니다. Google의 TensorFlow는 개발자의 지원을 잃었습니다. TensorFlow 사용자가 Meta가 출시한 또 다른 프레임워크인 PyTorch로 전환하기 시작했기 때문입니다.

많은 개발자는 TensorFlow가 이 전쟁에서 패했다고 믿고 있으며 이를 "PyTorch가 TensorFlow의 점심을 먹었습니다."에 비유했습니다.

PyTorch의 그림자 속에서 Google은 조용히 기계 학습 프레임워크인 JAX를 개발하고 있습니다. "Just After eXecution"의 약어이지만 공식적으로는 더 이상 어떤 것도 의미하지 않습니다.) 많은 사람들이 이를 TensorFlow의 후속 제품으로 간주합니다.

한동안 Google이 TensorFlow를 버리고 JAX로 완전히 전환할 것이라는 것은 널리 알려져 있었습니다. 실제로 구글은 TensorFlow를 포기하지 않았습니다. TensorFlow는 앞으로 JAX와 함께 개발할 것이라고 밝혔습니다.

그러나 TensorFlow는 이 짧은 7년 동안 이미 뛰어난 성능을 발휘했으며 수백만 명의 사용자가 사용하는 가장 일반적으로 사용되는 기계 학습 플랫폼으로 발전했습니다. TensorFlow는 현재 월 1,800만 번 이상 다운로드되었으며 GitHub에서 별 166,000개를 축적했습니다. 이는 다른 어떤 ML 프레임워크보다 많은 수치입니다.

또한 TensorFlow는 모바일 생태계에서 기계 학습을 촉진합니다. TFLite는 현재 귀하를 포함하여 약 40억 대의 장치에서 실행됩니다. TensorFlow는 기계 학습을 웹에도 도입했으며 현재 TensorFlow.js는 일주일에 170,000회 이상 다운로드되고 있습니다.

Google의 전체 제품군에서 TensorFlow는 검색, GMail, YouTube, 지도, Play, 광고, 사진 등을 포함한 거의 모든 머신러닝을 지원합니다. Google 외에도 Alphabet의 자회사인 TensorFlow는 Keras와 함께 Waymo 자율주행차를 위한 새로운 기계 지능을 제공합니다.

더 넓은 업계에서 TensorFlow는 Apple, ByteDance, Netflix, Tencent, Twitter 등을 포함한 수천 개의 회사를 위한 기계 학습 시스템을 지원합니다. 연구 분야: TensorFlow는 암을 이해하기 위한 CANDLE 연구와 같은 중요한 응용 과학 연구를 포함하여 매달 Google Scholar의 3,000개 이상의 간행물에서 언급됩니다.

TensorFlow는 그 어느 때보다 기본 사용자와 개발자 생태계가 많아졌고, 여전히 성장하고 있다고 해도 과언이 아닙니다. Google은 TensorFlow의 개발이 축하할 만한 성과일 뿐만 아니라 머신러닝 커뮤니티가 한 단계 더 발전할 수 있는 새로운 기회를 제공한다고 믿습니다.

Google의 오랜 목표는 최고의 기계 학습 플랫폼을 제공하고 기계 학습을 틈새 기술에서 웹 개발과 같은 성숙한 산업 소프트웨어로 전환하기 위해 노력하는 것입니다.

Google의 TensorFlow 개발은 7년이 지나면 계속됩니다.

TensorFlow의 네 가지 미래 기둥

최근 Google은 TensorFlow의 다음 버전 개발에 착수했으며 네 가지 기둥에 집중하고 있다고 발표했습니다. 보다 구체적으로 Google은 2023년 2분기에 TensorFlow의 새로운 미리보기 버전을 출시하고 나중에 프로덕션 버전을 출시할 계획입니다.

빠르고 확장 가능

먼저 XLA 컴파일이 제공됩니다. Google은 GPU 및 CPU에서 훈련 및 추론 모델을 더 빠르게 만들기 위해 XLA 컴파일에 중점을 두고 있으며 XLA를 업계 표준 딥 러닝 컴파일러로 만들기 위해 최선을 다하고 있으며 OpenXLA 이니셔티브의 일환으로 Google은 XLA를 오픈소스 협업에 개방했습니다.

두 번째는 분산 컴퓨팅입니다. Google은 대규모 모델 병렬 처리를 위한 새로운 API인 DTensor에 중점을 두고 있습니다. DTensor는 tf.distribute API와 통합되어 유연한 모델 및 데이터 병렬 처리가 가능해집니다.

마지막으로 성능 최적화입니다. 컴파일 외에도 Google은 GPU 및 TPU에 상당한 속도 향상을 제공하기 위해 혼합 정밀도 및 정밀도 감소 계산과 같은 알고리즘 성능 최적화에 더욱 중점을 두고 있습니다.

ML이 적용되었습니다

CV 및 NLP를 위한 새로운 도구입니다. Google은 다양한 사용 사례에 맞는 모듈식 및 구성 가능한 구성요소를 제공하기 위해 특히 KerasCV 및 Keras NLP 패키지를 통해 Applied ML 생태계에 투자하고 있습니다.

개발자 리소스. Google은 인기 있고 새로운 응용 기계 학습 사용 사례에 대한 더 많은 코드 샘플, 가이드 및 문서를 추가하여 개발자의 진입 장벽을 낮추고 모든 개발 도구를 쉽게 사용할 수 있도록 만들고 있습니다.

배포 수준

내보내기가 더 쉽습니다. Google에서는 모델을 모바일 기기(Android 또는 iOS), 에지 기기(마이크로컨트롤러), 서버 백엔드 또는 JavaScript로 더 쉽게 내보낼 수 있습니다. 사용자는 model.export()를 호출하는 것만큼 쉽게 모델을 TFLite 및 TF.js로 내보내고 모델 추론 성능을 최적화할 수 있습니다.

응용프로그램용 C++ API. Google은 C++ 애플리케이션의 일부로 네이티브 서버 측 추론을 위한 공개 TF2 C++ API를 개발하고 있습니다.

JAX 모델을 배포합니다. Google은 TensorFlow 서비스를 사용하여 모델 배포를 더 쉽게 만들고 있습니다.

단순화

NumPy API. ML 분야는 지난 몇 년 동안 급속도로 성장했으며, 이와 함께 TensorFlow의 API도 성장했습니다. 기술 발전에 적응하기 위해 Google은 API를 완전히 통합하고 단순화하고 있습니다.

디버깅을 더 쉽게 만듭니다. ML 분야에서 디버깅은 무시할 수 없는 기술입니다. Google은 시간을 최소화하기 위해 더 나은 디버깅 기능에 중점을 둘 것입니다.

Google에서는 TensorFlow가 앞으로 100% 이전 버전과 호환될 것이라고 말합니다. Google은 TensorFlow가 기계 학습 산업의 초석이 되기를 희망하며 TensorFlow 2부터 다음 버전까지 TensorFlow가 이전 버전과 완전히 호환되며 변환 스크립트를 실행하거나 수동으로 변경할 필요 없이 코드가 그대로 실행될 것이라고 약속합니다. . Google은 수백만 명의 사용자를 위한 연구 및 애플리케이션을 추진하기 위해 TensorFlow 프레임워크에 계속 투자하고 있습니다.

위 내용은 Google은 TensorFlow를 포기하지 않았으며 4가지 원칙을 명확히 하는 2023년 새 버전을 출시할 예정입니다.의 상세 내용입니다. 자세한 내용은 PHP 중국어 웹사이트의 기타 관련 기사를 참조하세요!