Q:
Kodėl „TensorFlow“ yra toks populiarus mašinų mokymosi sistemose?
A:Didelė tendencija yra mašinų mokymasis (ML) - programuotojai plūsta link įrankio, vadinamo „TensorFlow“, atvirojo kodo bibliotekos produkto, palengvinančio kai kuriuos svarbiausius darbus, būdingus kuriant ir naudojant mokymo duomenų rinkinius ML. Dideli vardai, priimantys „TensorFlow“ mašinų mokymuisi, populiarumas akivaizdus. Kyla klausimas, kodėl „TensorFlow“ tapo nugalėtoja.
Viena vertus, reikia pasakyti, kad tam tikras „TensorFlow“ populiarumas grindžiamas jo kilme. „TensorFlow“, kurį iš pradžių sukūrė „Google Brain“, iš esmės yra „Google“ produktas ir todėl naudojasi buities vardo prestižu, nepaisant „Google“ žingsnio išleisti programinę įrangą pagal atvirojo kodo „Apache“ licenciją. Taip pat yra rodiklių, kad „TensorFlow“ buvo geriau parduodama nei kai kurių konkurentų. Kitas veiksnys gali būti dideli įvaikintojai; Pavyzdžiui, „DeepMind“ pasirinkimas naudoti „TensorFlow“ gali paveikti kitus kūrėjus, turėdamas savotišką „domino efektą“, kuris dažnai baigiasi tam tikros programinės įrangos įrankio įsitraukimu į pramonės dominavimą.
| Nemokamas atsisiuntimas: mašinų mokymasis ir kodėl tai svarbu |
Kita vertus, yra daugybė įtikinamų priežasčių, kodėl įmonė gali norėti naudoti „TensorFlow“, palyginti su kitomis mašininio mokymosi priemonėmis. Kai kurie iš jų yra susiję su „TensorFlow“ prieinama ir „skaitoma“ sintaksė, kuri yra būtina norint palengvinti šių programavimo išteklių naudojimą. Mašinų mokymasis jau yra toks sunkus įkopimas, kad suinteresuotosios šalys nenori kovoti su sunkiu sintaksiu.
Kiti „TensorFlow“ populiarumo elementai yra susiję su jo kūrimu: Kai kurie ekspertai yra aistringi „TensorFlow“ API, kurias galima susieti su mobiliuoju telefonu arba suteikti geresnę prieigą, funkcionalumui. Taip pat yra gyva bendruomenė, palaikanti „TensorFlow“, kuri yra dar viena plunksna jos dangtelyje. Kitu atveju kūrėjai gali pažvelgti į metriką, pvz., Klaidų sumažinimą ar kodo iteraciją, ir išsiaiškinti, kad daugeliu atvejų „TensorFlow“ naudojimas gali sumažinti klaidų, esančių kodų bazės projekte, arba padėti didinti mastelį.
Be to, „TensorFlow“ yra būdingas funkcionalumas, kuris taip pat gali būti trūkumas: tokie elementai kaip interaktyvus registravimas ir duomenų vizualizacijos modeliai bei platformos parinktys, tokios kaip daugia GPU palaikymas, suteikia dar daugiau pasirinkimo kūrėjo pirštų galiukais. Yra bendras argumentas, kad „TensorFlow“ padeda „ištrinti infrastruktūrą“, virtualizuoti mašinų mokymąsi ir atskirti juos nuo vidinių serverių fermų - tai paprastai yra didelė dvidešimt pirmojo amžiaus IT vertė.
Visi šie veiksniai lemia didžiulį „TensorFlow“ patrauklumą plačiam kompiuterinio mokymo projektų spektrui; įrankį naudoja NASA ir kitos vyriausybinės agentūros, taip pat įspūdingas privataus sektoriaus milžinų sąrašas. Klausimas bus tas, kokius naujus patobulinimus „TensorFlow“ ir kitos komunalinės paslaugos suteikia mūsų skaitmeninio pasaulio ateičiai.
