BT

如何利用碎片时间提升技术认知与能力? 点击获取答案

Google云端机器学习和Tensor Flow的Alpha测试版本发布

| 作者 Dylan Raithel 关注 8 他的粉丝 ,译者 薛梦迪 关注 0 他的粉丝 发布于 2016年5月7日. 估计阅读时间: 2 分钟 | AICon 关注机器学习、计算机视觉、NLP、自动驾驶等20+AI热点技术和最新落地成功案例。

上个月末,Google发布了alpha版本的TensorFlow(TF)集成云端机器学习服务,为回应不断增长的大规模在Google云端平台(GCP)运行Tensor Flow库的需要。

Google详细描述了一些有关建立TF使用规模的新功能,其中集成了一些GCP的模块,例如Dataproc,是一个托管的HadoopSpark服务。开源机器学习系统TF和GCP的集成“使用户能够在托管的云服务上运行自定义的分布式学习算法”,作为发布的一部分,并与大数据和分析平台以及机器学习领域紧密地结合起来。

PaaS将TF和若干预先为语言翻译、图片语音辨识训练的模型连接起来。TF服务现在集成Kubernets以利用它的负载平衡器Dockerpod编制语义来“有规模地训练成千上万的内核”。这个例子通过复制包装过的TF资源记下了运行一个训练过的Inception-v3模型的过程,包括TF基于服务的gRPC服务器和跨pod模型属性,以及在一个集群过程中“超过2700万的参数和每次推理进行的57亿浮点运算”。

Docker集成进一步支持了新模型作为持续训练管道的版本打包和部署,这是一个TF服务目标在今年早些时候公布的。一个为展示和学习的TF和Kubernetes教程允许用户再现一个基于Inception的TF和Kubernetes管道。

这次通告还提及了Apache Beam,这是一个新的数据处理管道项目方案,它可以潜在地满足一定规模的TF对传递学习数据集的管道需要,提供了批处理和流处理选项,同时也兼容SparkFlink和基于Dataflow的系统。Google提供了与紧密耦合的ML系统相关的分析,根据可维护性和随着时间而产生的技术债而来,其中的技术债可能会指向ML更远的标准化可能性和通过观看TF贯穿于GCP中渐增的普遍性。

查看英文原文Google Cloud Machine Learning and Tensor Flow Alpha Release


感谢侠天对本文的审校。

给InfoQ中文站投稿或者参与内容翻译工作,请邮件至editors@cn.infoq.com。也欢迎大家通过新浪微博(@InfoQ@丁晓昀),微信(微信号:InfoQChina)关注我们。

评价本文

专业度
风格

您好,朋友!

您需要 注册一个InfoQ账号 或者 才能进行评论。在您完成注册后还需要进行一些设置。

获得来自InfoQ的更多体验。

告诉我们您的想法

允许的HTML标签: a,b,br,blockquote,i,li,pre,u,ul,p

当有人回复此评论时请E-mail通知我
社区评论

允许的HTML标签: a,b,br,blockquote,i,li,pre,u,ul,p

当有人回复此评论时请E-mail通知我

允许的HTML标签: a,b,br,blockquote,i,li,pre,u,ul,p

当有人回复此评论时请E-mail通知我

讨论

登陆InfoQ,与你最关心的话题互动。


找回密码....

Follow

关注你最喜爱的话题和作者

快速浏览网站内你所感兴趣话题的精选内容。

Like

内容自由定制

选择想要阅读的主题和喜爱的作者定制自己的新闻源。

Notifications

获取更新

设置通知机制以获取内容更新对您而言是否重要

BT