新智元推薦

來源：TensorFlow

【新智元導讀】今年三月，谷歌在TensorFlow 開發者峰會上公開演示了 Swift for TensorFlow。今天，TensorFlow宣布 Swift for TensorFlow 已在 GitHub 上開源：

https://github.com/tensorflow/swift

Swift for TensorFlow 為 TensorFlow 提供了一種新的編程模型，將 TensorFlow 計算圖與 Eager Execution 的靈活性和表達能力結合在了一起，同時還注重提高整個軟體架構每一層的可用性。為了實現我們的目標，經過深思熟慮，我們決定直接改進 Swift 編程語言和編譯器，使得 Tensor 成為 Swift 語言裡面的一等公民，以此提升用戶體驗。

我們的方法不同於一般的 TensorFlow 使用方法，開放了很多新的機會和渠道來解決現存問題。儘管目前項目尚處於早期開發階段，我們還是決定將其開源，將我們的設計方案公布在開放的討論組中，讓所有愛好者都能參與進來。

設計文檔

我們編寫了一些文檔，詳細介紹了我們的理論和實現。這些文檔都可以在 README 文件中找到：

https://github.com/tensorflow/swift/blob/master/README.md

第一個必讀文檔是「Swift for TensorFlow 設計總覽」，這裡介紹了項目的主要組成部分以及結合方式。

另外，我們還會詳細介紹項目的幾個重要領域。我們設計的基礎是一個我們稱之為「Graph Program Extraction」的演算法，它可以讓你用 Eager Execution 式的編程模型來輕鬆地實現代碼，同時還保留 TensorFlow 計算圖的高性能優勢。另外，我們將高級的自動微分功能直接集成在了 Swift 語言和編譯器裡面。我們還深入介紹了 Python 與 Swift 的集成，讓你直接通過 Swift 代碼使用任意 Python API。

實現可靠的 Graph Program Extraction 演算法對於編程語言的設計有很高的要求，經過分析和討論，我們選擇了 Swift 作為主語言。如想了解我們如何決定了使用 Swift 作為 TensorFlow 的編程語言，你可以在這裡找到答案：

https://github.com/tensorflow/swift/blob/master/docs/WhySwiftForTensorFlow.md

行動起來吧！

鑒於項目還在早期階段，你可以通過很多方式參與進來，為項目貢獻自己的力量！我們有 macOS 和 Linux 的安裝包，以及教你如何獲取源代碼的開發指南。在此階段，如果你遇到困難，可以在 TensorFlow 中文社區論壇的 「TensorFlow 建議和反饋」 板塊聯繫我們：

https://www.tensorflowers.cn/b/issues

我們很高興能夠為 TensorFlow 創造一個全新的編程體驗，同時我們也希望傾聽你們的意見！

（本文授權轉載自公眾號「TensorFlow」）

喜歡這篇文章嗎？立刻分享出去讓更多人知道吧！