引用 TensorFlow

TensorFlow 使用 Zenodo.org 为开源代码库发布 DOI：10.5281/zenodo.4724125

TensorFlow 的白皮书列在下面以供引用。

异构分布式系统上的大规模机器学习

访问此白皮书。

摘要：TensorFlow 是一个用于表达机器学习算法的接口，以及一个用于执行此类算法的实现。使用 TensorFlow 表达的计算可以在各种异构系统上以很少或没有更改的情况下执行，范围从手机和平板电脑等移动设备到数百台机器和数千个计算设备（例如 GPU 卡）的大规模分布式系统。该系统灵活且可用于表达各种算法，包括深度神经网络模型的训练和推理算法，并且已用于进行研究并将机器学习系统部署到生产中，涵盖了十多个计算机科学领域和其他领域，包括语音识别、计算机视觉、机器人技术、信息检索、自然语言处理、地理信息提取和计算药物发现。本文介绍了 TensorFlow 接口以及我们在 Google 构建的该接口的实现。TensorFlow API 和参考实现于 2015 年 11 月作为 Apache 2.0 许可下的开源软件包发布，可在 www.tensorflow.org 获得。

BibTeX 格式

如果您在研究中使用 TensorFlow 并想引用 TensorFlow 系统，我们建议您引用此白皮书。

@misc{tensorflow2015-whitepaper,
title={ {TensorFlow}: Large-Scale Machine Learning on Heterogeneous Systems},
url={https://tensorflowcn.cn/},
note={Software available from tensorflow.org},
author={
    Mart\'{i}n~Abadi and
    Ashish~Agarwal and
    Paul~Barham and
    Eugene~Brevdo and
    Zhifeng~Chen and
    Craig~Citro and
    Greg~S.~Corrado and
    Andy~Davis and
    Jeffrey~Dean and
    Matthieu~Devin and
    Sanjay~Ghemawat and
    Ian~Goodfellow and
    Andrew~Harp and
    Geoffrey~Irving and
    Michael~Isard and
    Yangqing Jia and
    Rafal~Jozefowicz and
    Lukasz~Kaiser and
    Manjunath~Kudlur and
    Josh~Levenberg and
    Dandelion~Man\'{e} and
    Rajat~Monga and
    Sherry~Moore and
    Derek~Murray and
    Chris~Olah and
    Mike~Schuster and
    Jonathon~Shlens and
    Benoit~Steiner and
    Ilya~Sutskever and
    Kunal~Talwar and
    Paul~Tucker and
    Vincent~Vanhoucke and
    Vijay~Vasudevan and
    Fernanda~Vi\'{e}gas and
    Oriol~Vinyals and
    Pete~Warden and
    Martin~Wattenberg and
    Martin~Wicke and
    Yuan~Yu and
    Xiaoqiang~Zheng},
  year={2015},
}

或以文本形式

Martín Abadi, Ashish Agarwal, Paul Barham, Eugene Brevdo,
Zhifeng Chen, Craig Citro, Greg S. Corrado, Andy Davis,
Jeffrey Dean, Matthieu Devin, Sanjay Ghemawat, Ian Goodfellow,
Andrew Harp, Geoffrey Irving, Michael Isard, Rafal Jozefowicz, Yangqing Jia,
Lukasz Kaiser, Manjunath Kudlur, Josh Levenberg, Dan Mané, Mike Schuster,
Rajat Monga, Sherry Moore, Derek Murray, Chris Olah, Jonathon Shlens,
Benoit Steiner, Ilya Sutskever, Kunal Talwar, Paul Tucker,
Vincent Vanhoucke, Vijay Vasudevan, Fernanda Viégas,
Oriol Vinyals, Pete Warden, Martin Wattenberg, Martin Wicke,
Yuan Yu, and Xiaoqiang Zheng.
TensorFlow: Large-scale machine learning on heterogeneous systems,
2015. Software available from tensorflow.org.

TensorFlow：一个用于大规模机器学习的系统

访问此白皮书。

摘要：TensorFlow 是一个在大型规模和异构环境中运行的机器学习系统。TensorFlow 使用数据流图来表示计算、共享状态以及改变该状态的操作。它将数据流图的节点映射到集群中的许多机器上，以及机器内的多个计算设备上，包括多核 CPU、通用 GPU 和称为张量处理单元 (TPU) 的定制设计的 ASIC。这种架构为应用程序开发人员提供了灵活性：而在以前“参数服务器”设计中，共享状态的管理是内置于系统中的，TensorFlow 使开发人员能够尝试新颖的优化和训练算法。TensorFlow 支持各种应用程序，重点是深度神经网络的训练和推理。几个 Google 服务在生产中使用 TensorFlow，我们已将其作为开源项目发布，并且它已广泛用于机器学习研究。在本文中，我们描述了 TensorFlow 数据流模型，并展示了 TensorFlow 在几个现实世界应用程序中取得的令人信服的性能。