Google推出加速TensorFlow生態系統發展的多項 AI 更新
Google I/O 大會上推出 DTensor 技術加速語言模型訓練
Google I/O 大會上推出 DTensor 技術加速語言模型訓練
在Google I/O 大會上,Google宣布推出 PaLM 2 大型語言模型以及一系列開源機器學習工具的更新。其中Google推出的 DTensor 技術將多種並行技術運用到機器學習訓練中,有效提高模型訓練和擴充套件效率。此外 TF 量化 API 的預覽版本有助於提高資源利用率,從而減少開發成本。這些工具的更新將有助於在TensorFlow生態系統上開發並訓練新的 AI 模型。
強大的 Keras 提供了更多的 AI 功能
TensorFlow生態系統中一個非常重要的部分是 Keras API 套件,這是一套用於 Python 語言的深度學習功能。Google宣布推出了兩個新的 Keras 工具:KerasCV 和 KerasNLP。它們分別可用於計算機視覺和自然語言處理領域。新的 Keras 更新將提供更多的功能,讓開發人員可以建立自己的 AI 模型。新技術的推出將有助於TensorFlow生態系統在未來快速發展,滿足越來越多的應用場景和部署方案。
TensorFlow生態系統在機器學習中的地位
在大型語言模型的席卷下,一個好的機器學習訓練工具變得比以往任何時候都更為重要。Google表示TensorFlow仍然是機器學習的主要框架,是Google內部機器學習開發的基礎。因此 DTensor 更新將提供更多的運算力,以應對日益增長的機器學習訓練需求。機器學習的進步越來越需要大量的資料和計算資源來支援越來越多的模型訓練,從而滿足不斷擴大的市場需求。
TensorFlow與 PyTorch:開源機器學習工具的選擇
與TensorFlow並駕齊驅的是 PyTorch 框架,後者最初是由 Facebook(現在是 Meta)建立的。近年來 PyTorch 框架在開源機器學習領域越來越受歡迎。在 2022 年,Meta 將 PyTorch 貢獻到 Linux 基金會,成立了 PyTorch 基金會,這是一個多利益攸關者的努力,採用開放性治理模式。Google的 Alex Spinelli 表示Google希望在開源機器學習工具方面支援開發人員的選擇。此外TensorFlow不僅是一個機器學習框架,還是一整套用於機器學習的工具生態系統,能夠支援各種應用場景和部署方案的開發和訓練。
結論
隨著 AI 技術的日益普及和應用,開源機器學習工具的發展越來越受到重視。Google一直致力於推進TensorFlow生態系統的發展,推出了各種新的技術和更新,以提高模型訓練效率、降低開發成本、滿足多樣化的市場需求。TensorFlow依然是Google主要的機器學習框架,但開發人員也可以選擇其他的開源機器學習工具。在未來,人工智慧將會進一步普及和擴充套件,開源機器學習工具的發展也將愈加繁榮。
延伸閱讀
- Google 稱 Epic 在反壟斷訴訟勝訴後的要求「不必要」和「超出判決範圍」
- Google 擴大 Passkey 支援,提前爲美國總統大選加固保護計畫
- Google 裁員 Flutter、Dart 和 Python 團隊,開發者大會前數週 in traditional Chinese
- Google 裁員 Flutter、Dart 和 Python 工程師,開發者大會前夕訊息爆發
- GitHub 推出 Copilot Workspace:AI 驅動的軟體工程空間
- Google 推出新功能“口語練習”,利用人工智慧幫助使用者提高英文能力
- Google 支援的 Glance 在美國試點推出 Android 鎖定屏平臺
- Google 解僱 28 名員工,因為他們爭議性的 Project Nimbus 合同與以色列引發的靜坐抗議
- 印度加快步伐抑制 PhonePe 和 Google 在手機支付領域的壟斷
- Google 雲端大會:Google 全力開發生成式人工智慧