近日,谷歌正式发布TensorNetwork,这是与加拿大Perimeter理论物理研究所和谷歌母公司Alphabet旗下的X实验室合作开发的开源库和API。Facebook的人工智能研究部门也宣布开源Pythia,一个模块化的即插即用框架,使数据科学家能够快速构建复制和基准AI模型,现在可以在GitHub上免费获得。 谷歌正式发布TensorNetwork,比传统处理器快100倍。 张量网络广泛地应用于机器学习,用以执行复杂的计算。但实际应用中还有许多难题需要解决:一是没有免费的加速硬件库来进行大规模的底层算法,二是目前有关张量网络的文献大部分面向物理应用。 谷歌针对这一问题,提出了有效解决方案。近日,谷歌正式发布TensorNetwork,这是与加拿大Perimeter理论物理研究所和谷歌母公司Alphabet旗下的X实验室合作开发的开源库和API。通过使用谷歌的TensorFlow机器学习框架作为后端,并对图形处理器进行优化,来提高张量计算的效率。在初步测试中,谷歌报告说TensorNetwork的计算速度比传统处理器快100倍。 张量(tensor)是几何代数中的基本概念,可以看成是向量和矩阵的推广,比如:标量是零阶张量,向量是一阶张量,矩阵是二阶张量。当张量数目多,指标缩并关系复杂时,可用图形表示它们的缩并关系,这就是张量网络。 图|用张量网络中许多低阶张量表示的高阶张量(来源:谷歌) 张量网络能非常有效地表示几个、几十个甚至上百个张量,它们不是直接存储,而是用图形表示他们的缩并关系,这使得张量网络在图像分类、对象识别和其他人工智能任务中更加实用。 TensorNetwork库的设计就是为了促进这一点:它是一个用于张量网络算法的通用库。谷歌希望它能有助于工程师和科学家的研究。谷歌的研究人员指出,近似量子态是物理学中张量网络的一个典型用例,能够直观地说明张量网络库的能力。
罗伯茨、莱切纳和同事们会利用TensorNetwork库对MNIST和Fashion-MNIST数据集中的图像进行分类,同时还将应用于对机器学习的时间序列进行分析,及量子电路仿真等。 参考:https:///2019/06/04/googles-tensornetwork-library-speeds-up-computation-by-up-to-100-times/ Google 移动服务的替换品 microG开源 Google 移动服务的替换品 microG是一个免费自由的项目,是 Google 移动服务 (GMS) 的替换品。基于 Linux 的开源移动操作系统 Android 不仅是世界上最流行的移动操作系统,它也正在成为一个专有的操作系统。虽然核心操作系统仍然作为 Android 开源项目的一部分发布,但大多数核心应用程序都没有。情况变得更糟:越来越多的库和 API 仅适用于预先安装了各种 Google 应用的手机,有效地将第三方应用锁定到 Google 生态系统。出于这些原因,Android被描述为“看起来但不要触摸”的开放式。 虽然大多数 microG 组件远未完成,但用户对结果感到惊讶。免费软件用户获得了扩展的应用程序支持,隐私保护用户可以减少或监控发送给 Google 的数据,特别是旧款手机可以提高电池寿命。
开源地址:https://github.com/microg Facebook开源深度学习框架Pythia用于图像和语言模型 继去年1月开源图像处理库Spectrum,年底开源自然语言处理建模框架PyText以及11月开源人工智能强化学习平台Horizon之后,Facebook的人工智能研究部门近日宣布开源Pythia,一个模块化的即插即用框架,使数据科学家能够快速构建复制和基准AI模型,现在可以在GitHub上免费获得。 开源地址:https://github.com/facebookresearch/pythia 学术头条已建立微信交流群,想进群的同学请加学术君微信:AMiner308,记得备注:名字+单位/学校噢!
|
|