Google 云端机器学习和 Tensor Flow 的 Alpha 测试版本发布

阅读数:1511 2016 年 5 月 6 日 19:00

上个月末,Google发布了alpha 版本的 TensorFlow (TF)集成云端机器学习服务,为回应不断增长的大规模在Google云端平台(GCP)运行Tensor Flow 库的需要。

Google详细描述了一些有关建立TF 使用规模的新功能,其中集成了一些GCP 的模块,例如 Dataproc ,是一个托管的 Hadoop Spark 服务。开源机器学习系统 TF 和 GCP 的集成“使用户能够在托管的云服务上运行自定义的分布式学习算法”,作为发布的一部分,并与大数据和分析平台以及机器学习领域紧密地结合起来。

PaaS 将 TF 和若干预先为语言翻译、图片语音辨识训练的模型连接起来。TF服务现在集成 Kubernets 以利用它的负载平衡器 Docker pod 编制语义来“有规模地训练成千上万的内核”。这个例子通过复制包装过的TF 资源记下了运行一个训练过的 Inception-v3 模型的过程,包括 TF 基于服务的 gRPC 服务器和跨 pod 模型属性,以及在一个集群过程中“超过 2700 万的参数和每次推理进行的 57 亿浮点运算”。

Docker 集成进一步支持了新模型作为持续训练管道的版本打包和部署,这是一个 TF 服务目标在今年早些时候公布的。一个为展示和学习的TF 和Kubernetes教程允许用户再现一个基于Inception 的TF 和Kubernetes 管道。

这次通告还提及了 Apache Beam ,这是一个新的数据处理管道项目方案,它可以潜在地满足一定规模的 TF 对传递学习数据集的管道需要,提供了批处理和流处理选项,同时也兼容 Spark Flink 和基于 Dataflow 的系统。Google 提供了与紧密耦合的 ML 系统相关的分析,根据可维护性和随着时间而产生的技术债而来,其中的技术债可能会指向ML 更远的标准化可能性和通过观看TF 贯穿于GCP 中渐增的普遍性。

查看英文原文 Google Cloud Machine Learning and Tensor Flow Alpha Release


感谢侠天对本文的审校。

给 InfoQ 中文站投稿或者参与内容翻译工作,请邮件至 editors@cn.infoq.com 。也欢迎大家通过新浪微博( @InfoQ @丁晓昀),微信(微信号: InfoQChina )关注我们。

收藏

评论

微博

用户头像
发表评论

注册/登录 InfoQ 发表评论