Google 推出分布式深度学习系统TensorFlow，能像 Android 一样带来 AI 复兴？

         编者按：在激烈的商业竞争中，更快的训练速度是人工智能企业的核心竞争力。2015年，Google 开源了其人工智能深度学习系统 TensorFlow，但该版本只能在一台机器上单独运行。昨天，Google 发布分布式 TensorFlow，这意味着它能够真正大规模进入到人工智能产业中，产生实质的影响。本文转载自微信订阅号“新智元”，36 氪稍做调整，您可关注 “新智元”（Al_era）了解更多人工智能最前沿资讯。

          去年，谷歌向全世界开放了人工智能深度学习系统 TensorFlow。此前，TensorFlow 一直为像图像识别和邮件自动回复等谷歌各大产品提供相应的支持，而开源则意味着从此以后，所有的个 人、企业和组织都可以用站在谷歌的肩膀上，借用它的技术来开发自己的 AI 应用。

          Google 创始人 Eric Schmidt 坚信 TensorFlow 是 Google 的未来。深度学习引擎 + 云服务平台，将会带来编程范式的改变：不仅给电脑编程，而且让电脑拥有一定的自主能力。

          根据 Github 的数据统计，TensorFlow 成为了 2015 年最受关注的六大开源项目之一。2015年12月，TensorFlow 发布，仅一个月的时间就成为世界关注的焦点。

          不过那时候的 TensorFlow 还仅仅是只能在一个机器上运行的单机版本。这意味着它虽然设计精巧，但很难被公司、组织大规模的使用，也很难对产业造成实质的影响。

          昨天发布的分布式 TensorFlow，最突出的特征是能够在不同的机器上同时运行。虽然说并不是所有人都需要在几千台服务器上运行 TensorFlow，但研究者和创业公司的确能在多台机器运行的 TensorFlow 中获益。

         TensorFlow 技术负责人 Rajat Monga 解释了分布式 TensorFlow 的延期发布：“我们内部使用的软件栈（Software Stack），和外部人们使用的非常不同......所以要让它变得开源，对于我们来说是极其困难的事情。”

          经过 5 个月的等待，分布式 TensorFlow 终于到来了。

          昨天，Google 发布了 TensorFlow 0.8，它有一些很好的改进。它为分布式的版本做了一些改变，而且使之更容易使用。以下内容还介绍了用分布式系统训练卷积图像识别模型的一些可扩展的数字。