yahoo博客(yahoo的)-第1张

AOL昨天正式宣布开放源码 TensorFlowOnSpark。

它使广度自学架构 TensorFlow 能与 Apache Spark 中的统计数据集相容。对于采用 Spark 来处置不同类别统计数据的机构和合作开发人员而言,这毫无疑问是一个坏最新消息。TensorFlowOnSpark 的开放源码标识符,已如前所述 Apache 2.0 协定在 GitHub 上正式发布。

不可否认,广度自学有海量统计数据市场需求。学雷锋网了解到,很多业界子公司借助 Spark 对Sierentz的统计数据集进行管理。让广度自学架构直接、方便快捷地以获取该些统计数据,将为 ML 合作开发提供很大助推。

AOL在非官方网志中正式宣布了而此最新消息,并说明了在此之前AOL Big ML 合作开发项目组碰到的难题:

原有的广度自学架构,常常须要成立原则上的广度自学统计数据组。这强逼他们为同一机器自学电路板建立数个流程。保护数个分立的统计数据组,要求他们在它之间数据传输海量统计数据集——这引致无谓的控制系统复杂程度和端到端自学延后。

yahoo博客(yahoo的)-第2张

为化解而此难题,AOL在此之前合作开发了 CaffeOnSpark。它使如前所述 Caffe 机器自学架构合作开发的流程,能与 Apache Spark 相容。学雷锋网了解到,AOL已将如前所述 CaffeOnSpark 的流程,用作辨别搜寻中的不正确搜寻结果,以及手动观测WCG格斗游戏现场直播音频中的关键性亮点。

AOL今年开放源码了 CaffeOnSpark。现如今它对 TensorFlow 做了反之亦然的工作。二者的基本原理基本上完全相同,只是把机器自学架构改成了 TensorFlow。

AOL表示,把 TensorFlow 流程移殖到 TensorFlowOnSpark 相较方便快捷,并经过反子公司外部的反反复复校正。

而此般而言只须要修正十回以上的 Python 标识符。很多采用 TensorFlow 的AOL合作开发人员已轻松地把 TensorFlow 流程,移殖到 TensorFlowOnSpark 执行。

学雷锋网获知,AOL会持续为 TensorFlowOnSpark 和 CaffeOnSpark 提供支持,并欢迎开放源码社区对二者进行改进。对于 TensorFlowOnSpark 工作基本原理的详细说明,请参考AOL网志。

via yahoo,siliconangle,venturebeat