10分快3在哪玩Jeff Dean解析谷歌大脑中的深度学习工作以及TensorFlow的前世今生 | AI Frontiers

  • 时间:
  • 浏览:0

雷锋网按:本文是Google Brai10分快3在哪玩n负责人Jeff Dean在硅谷人工智能前沿论坛AI Frontiers的演讲,雷锋网(公众号:雷锋网)架构设计 。

在深层10分快3在哪玩学习的历史上,神经网络的办法在19200-1990年后后刚结束明显地发挥效力,在数据量、计算力的推10分快3在哪玩动下,用深层学习神经网络的办法使得.我.我.我 在研究和开发上获得了比其它办法更高的准确率(在图像、语音等领域)。在2011年后后,深层学习的办法能达到的图像误10分快3在哪玩识率都是26%,而在今天你這個 数字超过了人类的误识率(5%),达到了3%。在Google今天的产品线中深层学习的办法使用非常广泛,包括Android平台、各类App中、药物研究、Gmail等等。

Google Brain团队目前哪些地方地方样的成果:

  • 在研究方面,有27个paper在各种顶级会议中发表;

  • 推动Google搜索、广告、相册、翻译、Gmail等产品线的整合优化;

  • 发布TensorFlow等在社区中深层流行的开源工具。

谈到TensorFlow的开发,.我.我.我 最初的出发点是都要创建一个多多多 大概的深层学习工具。

你這個 工具都要满足下面的几条条10分快3在哪玩件:

  • 1. 适合于机器学习思考和算法的表达;

  • 2. 运行速率高,不需要 快速地试验想法;

  • 3. 兼容性好,实验能在不同平台上运行;

  • 4. 可在不同环境下分享和重现研究的问题;

  • 5. 适合产品化:能加快速率从研究阶段过渡到产品应用阶段;

总结一下TF的目标本来建立一个多多多 针对机器学习方面的思考快速实验的通用系统,有后后 确保你這個 系统既是针对研究也是对产品化最好的系统。最后,你這個 系统不仅是Google的,有后后 开源的,属于平台上每一个多多多 人。

在2015年11月9日,.我.我.我 发布了TensorFlow的最初版本,而目前.我.我.我 有后后 取得了那我的成果:

  • 1. TF当前有2000+的代码贡献者;

  • 2. 从发布至今,一共有12000次+的代码提交;

  • 3. 200万以上的代码库下载;

  • 4. 血块的学校和商业机构将.我.我.我 的研究和开发工作搭建在TF之上(伯克利、斯坦福、OpenAI、Snapchat)。

.我.我.我 在软硬件平台的支持上本来断更新。数据显示,.我.我.我 有后后 是GitHub上最受到欢迎的深层学习工具。

深层学习在Google产生了哪些地方重要的影响?

  • 在语音识别上,.我.我.我 推动词语识别的错误率降低了大概200%;

  • 深层卷积神经网络使得直接对未标记的照片进行搜索成为有后后 ;

  • .我.我.我 用深层学习的办法,在街景照片中抓取识别文字;

  • 同样用深层学习的办法,在卫星俯瞰图中检索太阳能的屋顶;

  • 在医疗影像中,使用视网膜影像进行糖尿病的诊断;

  • 机器.我.我.我 现在能通过机器学习的办法进行环境和语义理解;

  • RankBrian甚至被用于Google搜索中的排名优化;

  • 在Inbox中,.我.我.我 通过语义分析自动化地推荐有后后 的回复结果,当前Inbox中10%的回复都是通过推荐生成发送的;

在机器学习的其它方面:

在过去很的的模型都是从零刚结束训练获得的,这是非常低效的。.我.我.我 专门针对深层学习设计的硬件的TPU,将在未来20个月后进入大规模量产的阶段。

在.我.我.我 的设想里,未来的搜索请求有后后 是那我的:请我想要查找所有关于深层学习和机器人的文献,并用德文总结出来。

我认为未来3 - 5年内,通过语音识别、语义理解的发展,机器人/自动驾驶汽车有后后 变得产业内非常重要的领域。

PS:附PPT+文字版本。

在深层学习的历史上,神经网络的办法在19200-1990年后后刚结束明显地发挥效力,在数据量、计算力的推动下,用深层学习神经网络的办法使得.我.我.我 在研究和开发上获得了比其它办法更高的准确率(在图像、语音等领域)。

在2011年后后,深层学习的办法能达到的图像误识率都是26%,而在今天你這個 数字超过了人类的误识率(5%),达到了3%。



Google Brain团队目前哪些地方地方样的成果:

  • 在研究方面,有27个paper在各种顶级会议中发表;

  • 推动Google搜索、广告、相册、翻译、Gmail等产品线的整合优化;

  • 发布TensorFlow等在社区中深层流行的开源工具。谈到TensorFlow的开发,.我.我.我 最初的出发点是都要创建一个多多多 大概的深层学习工具。

你這個 工具都要满足下面的几条条件:

  •  适合于机器学习思考和算法的表达;

  • 运行速率高,不需要 快速地试验想法;

  • 兼容性好,实验能在不同平台上运行;

  • 可在不同环境下分享和重现研究的问题;

  • 适合产品化:能加快速率从研究阶段过渡到产品应用阶段;

总结一下TF的目标本来建立一个多多多 针对机器学习方面的思考快速实验的通用系统,有后后 确保你這個 系统既是针对研究也是对产品化最好的系统。最后,你這個 系统不仅是Google的,有后后 开源的,属于平台上每一个多多多 人。

在2015年11月9日,.我.我.我 发布了TensorFlow的最初版本,而目前.我.我.我 有后后 取得了那我的成果:

  • TF当前有2000+的代码贡献者;

  • 从发布至今,一共有12000次+的代码提交;

  • 200万以上的代码库下载;

  • 血块的学校和商业机构将.我.我.我 的研究和开发工作搭建在TF之上(伯克利、斯坦福、OpenAI、Snapchat)。

.我.我.我 在软硬件平台的支持上本来断更新。数据显示,.我.我.我 有后后 是GitHub上最受到欢迎的深层学习工具。

深层学习在Google产生了哪些地方重要的影响?

在语音识别上,.我.我.我 推动词语识别的错误率降低了大概200%;

深层卷积神经网络使得直接对未标记的照片进行搜索成为有后后 ;

.我.我.我 用深层学习的办法,在街景照片中抓取识别文字;

同样用深层学习的办法,在卫星俯瞰图中检索太阳能的屋顶;

在医疗影像中,使用视网膜影像进行糖尿病的诊断;

机器.我.我.我 现在能通过机器学习的办法进行环境和语义理解;RankBrian甚至被用于Google搜索中的排名优化;

在Inbox中,.我.我.我 通过语义分析自动化地推荐有后后 的回复结果,当前Inbox中10%的回复都是通过推荐生成发送的;

在机器学习的其它方面:

  • 在过去很的的模型都是从零刚结束训练获得的,这是非常低效的。.我.我.我 希望通过xxx的办法来防止你這個 问题;.我.我.我 的TPU将在,20个月后后进入大规模量产的阶段。

  • 在.我.我.我 的设想里,未来的搜索请求有后后 是那我的:请我想要查找所有关于深层学习和机器人的文献,并用德文总结出来。

  • 我认为未来3 - 5年内,通过语音识别、语义理解的发展,机器人/自动驾驶汽车有后后 变得产业内非常重要的领域。

雷锋网版权文章,未经授权禁止转载。详情见转载须知。