Google的大腦團(tuán)隊(duì)是開源Tensor2Tensor，這是一個(gè)新的深度學(xué)習(xí)庫，旨在幫助研究人員從領(lǐng)域內(nèi)最新論文中復(fù)制結(jié)果，并通過嘗試新的模型、數(shù)據(jù)集和其他參數(shù)的組合來拓寬可能的界限。人工智能研究中變種的數(shù)量眾多與新開發(fā)的快節(jié)奏相結(jié)合，使實(shí)驗(yàn)難以在截然不同的兩者間進(jìn)行匹配。這是研究人員的痛苦，拖慢了研究進(jìn)程。

Tensor2Tensor庫在進(jìn)行人工智能研究時(shí)可以更容易地保持最佳實(shí)踐。它配備了各種關(guān)鍵要素，包括超參數(shù)、數(shù)據(jù)集、模型架構(gòu)和學(xué)習(xí)速率衰減方案。

最好的地方在于，這些組件中的任何一個(gè)都可以以模塊化的方式進(jìn)出，完全不會破壞任何東西。從培訓(xùn)的角度來看，這意味著有了Tensor2Tensor，你可以隨時(shí)引入新的模型和數(shù)據(jù)集 ——比通?？赡苁褂玫姆绞揭唵蔚枚?。

在追求幫助研究成果在實(shí)驗(yàn)室外可復(fù)制方面，谷歌并不孤單。Facebook最近開放了ParlAI的源代碼，它是一款可以將常用數(shù)據(jù)集打包進(jìn)行對話研究的工具。

與之類似，谷歌的Tensor2Tensor也附帶了最近的谷歌研究項(xiàng)目，例如“Attention Is All You Need（你需要的只是專注）”和“One Model to Learn Them All（一個(gè)模塊了解全部）”等?，F(xiàn)在可以在Github上使用這一切，所以您就可以開始訓(xùn)練自己的深度學(xué)習(xí)支持的工具了。