所有文章 > 正文

谷歌推出开源库TensorNetwork,可将计算速度提高100倍

作者: Jansfer

时间: 2019-06-06 17:22

谷歌针对张量网络实际应用中存在的问题做出了优化,并于当地时间6月4号发布了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。

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。

谷歌人工智能研究工程师蔡斯•罗伯茨(Chase Roberts)和X实验室的科学家斯蒂芬•莱切纳(Stefan Leichenauer)说道:“张量网络让人们关注与现实问题最相关的量子态——低能量态,而忽略其他不相关的状态。通过开源社区,我们也会一直为TensorNetwork本身添加新功能。我们希望TensorNetwork成为物理学家和机器学习实践者的宝贵工具。”

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://venturebeat.com/2019/06/04/googles-tensornetwork-library-speeds-up-computation-by-up-to-100-times/

[关于转载]:本文为“AMiner”官网文章。转载本文请联系原作者获取授权,转载仅限全文转载并保留文章标题及内容,不得删改、添加内容绕开原创保护,且文章开头必须注明:转自“AMiner”官网。谢谢您的合作。

二维码 扫码微信阅读
推荐阅读 更多