谷歌开源张量计算库_速度提高100倍

6月5日消息，据外媒报道，日前，谷歌公司的人工智能部门与加拿大圆周理论物理研究所，以及谷歌母公司Alphabet的X实验室共同发布了TensorNetwork。据了解，这是一个旨在提高张量计算效率的开源库。

TensorNetwork通过使用谷歌的TensorFlow机器学习框架作为后端，并针对GPU进行优化来提升张量计算的效率。在初步测试中，谷歌表示，与CPU上的运行速度相比，TensorNetwork可提供高达100倍的计算速度。

张量是根据其顺序按层次结构分类的多维数组。普通数是零阶张量，而向量是一阶张量，矩阵是二阶张量。因此，张量网络是压缩图形编码的张量收缩模式，由几个张量组成，并共同构成一个新的张量。

张量网络可以非常有效地代表几个、几十个甚至是上百个张量。张量网络不是直接存储或操纵张量，而是将张量表示为较小张量在较大张量网络形状中的收缩。这使得它们在图像分类、目标识别和其他人工智能任务中更加实用。

高阶张量被表示为多个低阶张量

TensorNetwork的设计就是为了实现这一点，作为一个通用的张量网络算法库，谷歌希望它对研究工程师和研究科学家有用。谷歌指出，近似量子态是物理学中张量网络的典型用例，能够非常直观的展现TensorNetwork的能力。

研究人员表示：“张量网络让我们专注于量子态与现实世界问题最相关的部分，比如低能量态，而忽略其他不相关的状态。通过开源社区，我们也会为TensorNetwork添加新的功能。我们希望TensorNetwork成为物理学家和机器学习从业者的宝贵工具。”

当前，张量网络正被越来越多地用于机器学习领域，用来执行复杂的计算任务。不过，广泛应用张量网络仍面临着许多障碍。首先，没有一个开源库能够用来进行大规模运行底层算法，此外，大多数张量网络文献都是面向物理应用的。而谷歌发布的TensorNetwork很好的解决了这一问题。