文 / Swens for TensorFlow團隊
原文連結：mp.weixin.qq.com/s/yLI4sUiGB…
在 3 月的 TensorFlow 開發者峰會上，我們宣佈並演示了 Swift for TensorFlow 專案。現在，我們很高興能為 TensorFlow 推出 Swift 版本，並作為 GitHub 上的開源專案！
Swift for TensorFlow 提供了一種新的程式設計模型，它將圖形效能與 Eager Execution 的靈活性和表現力相結合，並強調在程式設計堆疊的每個級別上提高可用性。這不僅僅是用 Swift 編寫 TensorFlow API – 我們還為 Swift 新增了編譯器和語言增強功能，為機器學習開發人員提供了一流的使用者體驗。
點選觀看視訊☛ v.qq.com/x/page/e074…
我們的方法是使用 TensorFlow 的一種新的不同方式，為解決現有問題開闢了新的設計機會和新途徑。雖然該專案處於早期開發階段，但我們決定將其開源並將我們的設計討論轉移到公共郵件列表，以便任何對該專案感興趣的人都可以參與進來
設計文件
我們已經編寫了一些詳細的文件來概述我們的方法並解釋其工作原理，所有這些都可以從我們的專案 README 中獲取。一個好的起點是 Swift for TensorFlow 設計概述，它解釋了專案的主要組成部分以及它們如何組合在一起。
我們有一些文件深入到專案的重要領域。我們設計的基石是一種我們稱之為 Graph Program Extraction 的演算法，它允許你以 Eager Execution 的方式編寫模型，同時保留圖形的所有優點。我們的設計還包括將高階 automatic differentiation 直接編譯到 Swift 版本中。我們也深入研究 Python 與 Swift 的整合，它支援直接從 Swift 程式碼中使用任意 Python API。
最後，Graph Program Extraction 對我們的實現施加了若干技術限制，這導致我們選擇 Swift 作為宿主語言。 Why Swift for TensorFlow? 這篇文章深度探討了這種權衡，以及導致這種選擇的決策過程。
參與其中
使用 Swift for TensorFlow 重寫你的深度學習模型還為時過早，但如果你對機器學習、語言和編譯器感興趣，可以通過多種方式參與並做出貢獻。我們現在可以提供預先構建的 macOS 和 Linux 軟體包，以及一個示例 MNIST 模型。還有從原始碼構建的說明。在專案的這個階段，有許多已知的問題 – 如果你遇到麻煩，請通過我們的郵件列表聯絡我們。
注：郵件列表連結
groups.google.com/a/tensorflo…
我們很高興能為開發者構建一個全新的 TensorFlow 介面，我們真的很想聽聽你對該專案的看法！
更多 AI 相關閱讀，請關注 Google 官方公眾號『TensorFlow』！