Q:
Защо TensorFlow е толкова популярен за системите за машинно обучение?
A:Има голяма тенденция в машинното обучение (ML) - програмистите се стичат към инструмент, наречен TensorFlow, библиотечен продукт с отворен код, който улеснява някои от основните работи, присъщи на изграждането и използването на набори от данни за обучение в ML. Когато големите имена приемат TensorFlow за машинно обучение, популярността е очевидна. Въпросът е защо TensorFlow се превърна в победител.
От една страна, трябва да се направи случай, че част от популярността на TensorFlow се основава на неговия произход. Разработен първоначално от Google Brain, TensorFlow номинално е „продукт на Google“ и така се радва на престижа на името на домакинството, въпреки намерението на Google да пусне софтуера под лиценз на Apache с отворен код. Съществуват и индикатори, че TensorFlow се предлага на пазара по-добре от някои свои конкуренти. Друг фактор може да бъде големи осиновители; например, изборът на DeepMind да използва TensorFlow може да повлияе на други разработчици с някакъв „ефект на домино“, който често завършва с тласкане на един определен софтуерен инструмент към господство в индустрията.
Безплатно изтегляне: Машинното обучение и защо има значение |
От друга страна, има много убедителни причини, поради които една компания може да иска да използва TensorFlow над други инструменти за машинно обучение. Някои от тях имат общо с достъпния и „четим“ синтаксис на TensorFlow, което е задължително за улесняване на използването на тези програмни ресурси. Машинното обучение вече е толкова тежък хълм за изкачване, че заинтересованите страни не искат да се борят с неравен синтаксис.
Други елементи на популярността на TensorFlow имат връзка с нейното изграждане: Някои експерти са страстни по отношение на функционалността на API на TensorFlow, които могат да се свържат към мобилни устройства или да осигурят по-добър достъп. Има и жизнена общност, поддържаща TensorFlow, което е друго перо в шапката му. Алтернативно, разработчиците могат да разгледат показатели като намаляване на грешки или итерация на код и да установят, че в много случаи използването на TensorFlow може да намали грешките при проект на кодова база или да помогне при мащабиране.
Освен това има присъща функционалност на TensorFlow, която може да бъде и теглене: Елементи като интерактивни модели за регистрация и визуализация на данни и опции на платформата като поддръжка на много GPU, носят още по-голям избор за върха на върха на програмиста. Има общ аргумент, че TensorFlow помага да се "изтрие инфраструктурата", за да се виртуализира машинното обучение и да се обезвреди от вътрешните сървърни ферми - което като цяло е голяма стойност за ИТ на двадесет и първи век.
Всичко това включва огромната привлекателност на TensorFlow за широк спектър от проекти за машинно обучение; инструментът се използва от НАСА и други правителствени агенции, както и впечатляващ списък на гиганти от частния сектор. Въпросът ще бъде какъв нов напредък TensorFlow и други комунални услуги правят възможно за бъдещето на нашия дигитален свят.