Î:
De ce este atât de popular TensorFlow pentru sistemele de învățare automată?
A:Există o tendință mare în învățarea mașinilor (ML) - programatorii se orientează către un instrument numit TensorFlow, un produs de bibliotecă open-source care facilitează o parte din lucrările cheie inerente construirii și utilizării seturilor de date de instruire în ML. Cu numele mari care adoptă TensorFlow pentru învățarea mașinii, popularitatea este evidentă. Întrebarea este de ce TensorFlow a apărut ca un câștigător.
Pe de o parte, există un caz care arată că o parte din popularitatea TensorFlow se bazează pe originile sale. Dezvoltat inițial de Google Brain, TensorFlow este nominal un „produs Google” și astfel se bucură de prestigiul numelui gospodăriei, în ciuda mișcării Google de a lansa software-ul sub licență Apache open-source. Există, de asemenea, indicatori că TensorFlow a fost comercializat mai bine decât unii dintre concurenții săi. Un alt factor ar putea fi adopții mari; De exemplu, alegerea DeepMind de a utiliza TensorFlow poate influența alți dezvoltatori cu un fel de „efect domino” care adesea sfârșește prin a împinge un anumit instrument software în dominația industriei.
| Descărcare gratuită: învățarea mașinii și de ce contează |
Pe de altă parte, există multe motive convingătoare pentru care o companie ar putea dori să folosească TensorFlow peste alte instrumente de învățare a mașinilor. Unele dintre ele au legătură cu sintaxa accesibilă și „citibilă” a TensorFlow, care este o necesitate pentru a face mai ușor de utilizat aceste resurse de programare. Învățarea mașină este deja un deal atât de greu încât părțile interesate nu doresc să se lupte cu sintaxa nepoluantă.
Alte elemente ale popularității TensorFlow au legătură cu construirea sa: unii experți sunt pasionați de funcționalitatea API-urilor TensorFlow care se pot conecta la mobil sau pot avea un acces mai bun. Există, de asemenea, o comunitate vibrantă care sprijină TensorFlow, care este o altă pene în calea sa. În mod alternativ, dezvoltatorii pot privi metrici precum reducerea erorilor sau iterarea codului și pot constata că, în multe cazuri, folosirea TensorFlow poate scădea erorile într-un proiect de bază de coduri sau poate ajuta la scalare.
În plus, există o funcționalitate inerentă a TensorFlow, care poate fi și o remiză: elemente precum logarea interactivă și modelele de vizualizare a datelor și opțiunile platformei precum suportul multi-GPU, aduc și mai multe opțiuni pe vârful dezvoltatorului. Există un argument general potrivit căruia TensorFlow ajută la „ștergerea infrastructurii”, la virtualizarea învățării mașinilor și la legarea ei din fermele de servere interne - ceea ce este, în general, o valoare mare în IT-ul secolului XXI.
Toate acestea se referă la imensul recurs al TensorFlow pentru o gamă largă de proiecte de învățare automată; instrumentul este folosit de NASA și alte agenții guvernamentale, precum și o listă impresionantă de giganți din sectorul privat. Întrebarea va fi ce noi avansuri TensorFlow și alte utilități fac posibilă pentru viitorul lumii noastre digitale.
