作為最初被設(shè)計(jì)為支持谷歌系統(tǒng)規(guī)模伸縮的技術(shù)方案，TensorFlow目前已經(jīng)可為每位用戶也享受。

[[156288]]

作為谷歌公司專門為應(yīng)用智能化目標(biāo)打造的開源機(jī)器學(xué)習(xí)項(xiàng)目，每個(gè)人都能輕松選擇TensorFlow，而它也會(huì)根據(jù)各類頭條消息預(yù)測(cè)用戶的行為與喜好。

不過(guò)除此之外，該項(xiàng)目還擁有更加野心勃勃的目標(biāo)，即隨著數(shù)據(jù)規(guī)模的持續(xù)增長(zhǎng)成為開源機(jī)器學(xué)習(xí)系統(tǒng)日漸龐大的生態(tài)系統(tǒng)整體的重要組成部分。

以下為四項(xiàng)TensorFlow值得技術(shù)從業(yè)者加以關(guān)注的重要理由。

1.它將成為谷歌內(nèi)部機(jī)器學(xué)習(xí)系統(tǒng)的下一代方案

根據(jù)谷歌公司CEO Sundar Pichai在博文當(dāng)中所指出，TensforFlow的構(gòu)建目的與谷歌此前發(fā)布的眾多其它開源解決方案相同：旨在解決谷歌公司內(nèi)部機(jī)器學(xué)習(xí)解決方案在面對(duì)規(guī)模化數(shù)據(jù)時(shí)所遭遇的實(shí)際難題。

而在另一篇博文當(dāng)中，谷歌公司研究員Jeff Dean(曾參與BigTable與MapReduce項(xiàng)目)提到了谷歌早期深度學(xué)習(xí)系統(tǒng)DistBelief的大量細(xì)節(jié)，包括其在運(yùn)行當(dāng)中面臨的諸多局限。除了與谷歌的內(nèi)部基礎(chǔ)設(shè)施的關(guān)聯(lián)過(guò)于緊密之外，其設(shè)計(jì)目標(biāo)還專門用于處理神經(jīng)網(wǎng)絡(luò)侮。Dean在一段YouTube視頻當(dāng)中進(jìn)一步對(duì)此進(jìn)行了解釋，包括DistBelief在可擴(kuò)展性與生產(chǎn)培訓(xùn)方面的出色表現(xiàn)，但他同時(shí)提到其在研究工作方面顯得不夠靈活。

相比之下，TesorFlow能夠與任意基于梯度的機(jī)器學(xué)習(xí)算法相協(xié)作，這就為其開辟了更為廣闊的適用范圍。出于運(yùn)行速度考量而以C++編寫的TensorFlow不需要開發(fā)人員對(duì)底層承載硬件具備任何了解。其同時(shí)能夠運(yùn)行在多種設(shè)備及架構(gòu)之上，因此其適應(yīng)平臺(tái)從手機(jī)等系統(tǒng)芯片設(shè)備到配備數(shù)十塊GPU的分布式系統(tǒng)皆可涵蓋。

考慮到硬件設(shè)備的發(fā)展速度之快以及抽象層的快速普及——事實(shí)上，即使是像C++這樣的語(yǔ)言也會(huì)與其運(yùn)行所在的設(shè)備之間存在抽象層，這種設(shè)計(jì)方式具有重大意義。這是一種前瞻性設(shè)計(jì)策略，允許谷歌公司以性價(jià)比極高的方式利用先進(jìn)硬件構(gòu)建規(guī)?；w系，同時(shí)保證TensorFlow始終能夠與之順暢對(duì)接。

TensorFlow是谷歌公司所發(fā)布的公共使用基礎(chǔ)設(shè)施當(dāng)中的***組成部分。原先，谷歌曾經(jīng)大規(guī)模推廣過(guò)容器編排工具Kubernetes，而如今其已經(jīng)被廣泛視為容器生態(tài)系統(tǒng)當(dāng)中的重要成員之一。

2. 來(lái)自谷歌的支持令TensorFlow擁有更多深層含義

如果能夠得到像谷歌這類巨頭級(jí)企業(yè)的支持，特別是對(duì)于技術(shù)概念極為復(fù)雜的機(jī)器學(xué)習(xí)這類方案，開源項(xiàng)目將能夠迎來(lái)更為可觀的發(fā)展?jié)摿σ约皝?lái)自開發(fā)者群體的支持熱情。

因?yàn)檫@種來(lái)自巨頭的支持往往意味著這些方案已經(jīng)在這些老牌企業(yè)當(dāng)中進(jìn)行了內(nèi)部使用——谷歌公布TensorFlow時(shí)也正好符合這種情況。在這種情況下，開源項(xiàng)目當(dāng)中那些影響***、最為嚴(yán)重的漏洞早已在其內(nèi)部使用過(guò)程當(dāng)中得到了解決。另外，當(dāng)背后支持方擁有像谷歌這樣可觀的規(guī)模，那么該開源項(xiàng)目往往已經(jīng)被應(yīng)用在了相當(dāng)廣泛的場(chǎng)景之下。

對(duì)該項(xiàng)目進(jìn)行開源意味著將有更多用戶得以為其貢獻(xiàn)力量，并成為其發(fā)展背后的有力推手。幾乎沒有幾家貢獻(xiàn)方能夠擁有像谷歌這樣的業(yè)務(wù)規(guī)模，但他們?nèi)匀挥袡C(jī)會(huì)想到并設(shè)計(jì)出谷歌單憑自身力量根本無(wú)法想到的可能性用例。

3. 易用性出眾——這一點(diǎn)非常重要

在利用任何框架處理數(shù)學(xué)、統(tǒng)計(jì)或者機(jī)器學(xué)習(xí)任務(wù)時(shí)，我們面臨的首要難題就是易用性。Apache Spark之所以吸引到了眾多支持者，除了其***吸引力的內(nèi)存內(nèi)處理速度優(yōu)勢(shì)之外，它所采用的相對(duì)簡(jiǎn)單的編程接口同樣功不可沒。IBM公司曾經(jīng)利用Spark編寫出其重要數(shù)據(jù)處理產(chǎn)品DataWorks，而且藍(lán)色巨人強(qiáng)調(diào)稱這一選擇將其原本設(shè)想的4000萬(wàn)行代碼順利削減到了500萬(wàn)行。

同樣的，TensorFlow的一大固有優(yōu)勢(shì)也正在于易用性。除了能夠由其它C++應(yīng)用程序直接實(shí)現(xiàn)接入之外，它還提供面向Python的接口——其中包括支持Ipython/Jupyter筆記本/這就使得使用感受更為直觀而且易于理解。目前開發(fā)團(tuán)隊(duì)還在為打造更為強(qiáng)大的其它語(yǔ)言前端，包括谷歌Go。另外，Python 3支持問(wèn)題已經(jīng)被標(biāo)記為需要盡快解決的缺陷。雖然TensorFlow的構(gòu)建元素尚未完全齊備，但目前的儲(chǔ)備及陣容已經(jīng)相當(dāng)可觀。

4.施壓壓力令機(jī)器學(xué)習(xí)默認(rèn)選擇開源路線

谷歌公司的Mtt Cutts提出了這一觀點(diǎn)，并指出以Hadoop為代表的“整個(gè)山寨行業(yè)”都在努力對(duì)谷歌發(fā)布的MapReduce技術(shù)論文進(jìn)行重構(gòu)。“但結(jié)果卻很難稱得上理想，”他寫道，“因?yàn)橥獠看a當(dāng)中往往存在著一系列我們已經(jīng)在谷歌內(nèi)部解決過(guò)了的問(wèn)題。”

以專有方式開發(fā)算法代碼的優(yōu)勢(shì)正在逐步減少。算法目前已經(jīng)不再是機(jī)器學(xué)習(xí)方案當(dāng)中最為重要的組成部分——特別是在將機(jī)器學(xué)習(xí)部署在云環(huán)境當(dāng)中的情況下。相反，算法用于培訓(xùn)自身所導(dǎo)入的數(shù)據(jù)以及需要與之對(duì)接的真實(shí)世界數(shù)據(jù)源才是最重要的元素?？紤]到IBM最近剛剛收購(gòu)了Weather Company，很明顯可以看到藍(lán)色巨人想要的不僅僅是實(shí)時(shí)、真實(shí)世界數(shù)據(jù)流，而更多地是用于生成這些數(shù)據(jù)的傳感器陣列。

而只有當(dāng)相關(guān)算法與框架的開發(fā)工作擁有足夠充裕的人手介入，其處理數(shù)據(jù)的實(shí)際效果才能真正達(dá)到頂峰。

原文標(biāo)題：4 no-bull takeaways about Google's machine learning project