解析谷歌大脑的深度学习及TensorFlow的前世今生
时间:02-06
来源:网络整理
点击:
从发布至今,一共有12000次+的代码提交;
100万以上的代码库下载;
大量的学校和商业机构将他们的研究和开发工作搭建在TF之上(伯克利、斯坦福、OpenAI、Snapchat)。
我们在软硬件平台的支持上也不断更新。数据显示,我们已经是GitHub上最受到欢迎的深度学习工具。
深度学习在Google产生了哪些重要的影响?
在语音识别上,我们推动词语识别的错误率降低了至少30%;
深度卷积神经网络使得直接对未标记的照片进行搜索成为可能;
我们用深度学习的方法,在街景照片中抓取识别文字;
同样用深度学习的方法,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;
机器人们现在能通过机器学习的方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,我们通过语义分析自动化地推荐可能的回复结果,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开始训练获得的,这是非常低效的。我们希望通过xxx的方法来解决这个问题;我们的TPU将在,20个月之后进入大规模量产的阶段。
在我们的设想里,未来的搜索请求可能是这样的:请帮我查找所有关于深度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/自动驾驶汽车将会变得产业内非常重要的领域。
- 解密英伟达Tesla P100、GP100、DRIVE PX2平台(04-26)
- 人工智能处理器三强Intel/NVIDIA/AMD谁称霸?(07-23)
- 2016年人工智能与深度学习领域的十大收购(07-26)
- 人工智能实现的流派 FPGA vs. ASIC看好谁?(08-27)
- IBM沃森能否在人工智能领域突破重围?(09-19)
- 英特尔与高通将在汽车芯片市场再次对决(上)(10-03)