TensorFlow 引入 Swift 会怎样？

文 / Swens for TensorFlow团队

原文链接： mp.weixin.qq.com/s/yLI4sUiGB…

在 3 月的 TensorFlow 开发者峰会上，我们宣布并演示了 Swift for TensorFlow 项目。现在，我们很高兴能为 TensorFlow 推出 Swift 版本，并作为 GitHub 上的开源项目！

Swift for TensorFlow 提供了一种新的编程模型，它将图形性能与 Eager Execution 的灵活性和表现力相结合，并强调在编程堆栈的每个级别上提高可用性。这不仅仅是用 Swift 编写 TensorFlow API - 我们还为 Swift 添加了编译器和语言增强功能，为机器学习开发人员提供了一流的用户体验。

点击观看视频☛ v.qq.com/x/page/e074…

我们的方法是使用 TensorFlow 的一种新的不同方式，为解决现有问题开辟了新的设计机会和新途径。虽然该项目处于早期开发阶段，但我们决定将其开源并将我们的设计讨论转移到公共邮件列表，以便任何对该项目感兴趣的人都可以参与进来

设计文档

我们已经编写了一些详细的文档来概述我们的方法并解释其工作原理，所有这些都可以从我们的项目 README 中获取。一个好的起点是 Swift for TensorFlow 设计概述，它解释了项目的主要组成部分以及它们如何组合在一起。

我们有一些文档深入到项目的重要领域。我们设计的基石是一种我们称之为 Graph Program Extraction 的算法，它允许你以 Eager Execution 的方式编写模型，同时保留图形的所有优点。我们的设计还包括将高级 automatic differentiation 直接编译到 Swift 版本中。我们也深入研究 Python 与 Swift 的集成，它支持直接从 Swift 代码中使用任意 Python API。

最后，Graph Program Extraction 对我们的实现施加了若干技术限制，这导致我们选择 Swift 作为宿主语言。 Why Swift for TensorFlow? 这篇文章深度探讨了这种权衡，以及导致这种选择的决策过程。

参与其中

使用 Swift for TensorFlow 重写你的深度学习模型还为时过早，但如果你对机器学习、语言和编译器感兴趣，可以通过多种方式参与并做出贡献。我们现在可以提供预先构建的 macOS 和 Linux 软件包，以及一个示例 MNIST 模型。还有从源代码构建的说明。在项目的这个阶段，有许多已知的问题 - 如果你遇到麻烦，请通过我们的邮件列表联系我们。 注：邮件列表链接 groups.google.com/a/tensorflo…

我们很高兴能为开发者构建一个全新的 TensorFlow 接口，我们真的很想听听你对该项目的看法！

更多 AI 相关阅读，请关注 Google 官方公众号『TensorFlow』！