Ερ:
Γιατί το TensorFlow είναι τόσο δημοφιλές για συστήματα μηχανικής μάθησης;
ΕΝΑ:Υπάρχει μια μεγάλη τάση που συμβαίνει στη μηχανική μάθηση (ML) - οι προγραμματιστές συρρέουν σε ένα εργαλείο που ονομάζεται TensorFlow, ένα προϊόν βιβλιοθήκης ανοιχτού κώδικα που διευκολύνει ορισμένες από τις βασικές εργασίες που είναι εγγενείς στην κατασκευή και χρήση εκπαιδευτικών σετ δεδομένων σε ML. Με τα μεγάλα ονόματα που υιοθετούν το TensorFlow για μηχανική μάθηση, η δημοτικότητα είναι εμφανής. Το ερώτημα είναι γιατί ο TensorFlow εμφανίστηκε ως νικητής.
Από τη μία πλευρά, πρέπει να γίνει λόγος για το ότι κάποια από τη δημοτικότητα του TensorFlow βασίζεται στην προέλευσή του. Αναπτύχθηκε αρχικά από το Google Brain, το TensorFlow είναι ονομαστικά ένα "προϊόν της Google" και έτσι απολαμβάνει το κύρος του νοικοκυριού, παρά την κίνηση της Google να απελευθερώσει το λογισμικό υπό ανοικτή άδεια Apache. Υπάρχουν επίσης δείκτες ότι η TensorFlow διατέθηκε σε καλύτερη θέση από ορισμένους από τους ανταγωνιστές της. Ένας άλλος παράγοντας θα μπορούσε να είναι μεγάλοι υιοθετώντες. για παράδειγμα, η επιλογή του DeepMind να χρησιμοποιήσει το TensorFlow μπορεί να επηρεάσει άλλους προγραμματιστές με ένα είδος "φαινόμενο ντόμινο" που συχνά καταλήγει να ωθεί ένα συγκεκριμένο εργαλείο λογισμικού στην κυριαρχία της βιομηχανίας.
| Δωρεάν Λήψη: Μηχανική Μάθηση και γιατί έχει σημασία |
Από την άλλη πλευρά, υπάρχουν πολλοί επιτακτικοί λόγοι για τους οποίους μια εταιρεία μπορεί να θελήσει να χρησιμοποιήσει το TensorFlow σε σχέση με άλλα εργαλεία μηχανικής μάθησης. Ορισμένα από αυτά έχουν να κάνουν με την προσβάσιμη και "ευανάγνωστη" σύνταξη του TensorFlow, η οποία είναι απαραίτητη για την ευκολότερη χρήση αυτών των πόρων προγραμματισμού. Η μηχανική μάθηση είναι ήδη ένα τόσο σκληρό λόφο για να αναρριχηθεί ότι οι ενδιαφερόμενοι δεν θέλουν να παλεύουν με δύσκαμπτη σύνταξη.
Άλλα στοιχεία της δημοτικότητας του TensorFlow έχουν να κάνουν με την κατασκευή του: Μερικοί εμπειρογνώμονες είναι παθιασμένοι με τη λειτουργικότητα των API του TensorFlow που μπορούν να συνδεθούν με κινητά ή να έχουν καλύτερη πρόσβαση. Υπάρχει επίσης μια ζωντανή κοινότητα που υποστηρίζει το TensorFlow, το οποίο είναι ένα άλλο φτερό στο καπάκι του. Εναλλακτικά, οι προγραμματιστές μπορούν να δουν μετρήσεις όπως μείωση σφαλμάτων ή επανάληψη κώδικα και να διαπιστώσουν ότι σε πολλές περιπτώσεις η χρήση του TensorFlow μπορεί να μειώσει τα σφάλματα σε ένα έργο codebase ή να βοηθήσει με την κλιμάκωση.
Επιπλέον, υπάρχει εγγενής λειτουργικότητα του TensorFlow που μπορεί επίσης να είναι μια ισοπαλία: Τα αντικείμενα όπως τα μοντέλα διαλογικής καταγραφής και απεικόνισης δεδομένων και οι επιλογές πλατφόρμας, όπως η υποστήριξη πολλαπλών GPU, προσφέρουν ακόμα περισσότερες επιλογές στα χέρια του προγραμματιστή. Υπάρχει ένα γενικό επιχείρημα ότι το TensorFlow συμβάλλει στη "σβήση της υποδομής", για να εικονικοποιήσει την εκμάθηση μηχανών και να το ξεκινήσει από εσωτερικές μονάδες διακομιστών - κάτι που είναι γενικά μια μεγάλη αξία στον ΙΑΤ του 21ου αιώνα.
Όλοι αυτοί οι παράγοντες στην τεράστια έκκληση του TensorFlow για ένα ευρύ φάσμα έργων μηχανικής μάθησης. το εργαλείο χρησιμοποιείται από τη NASA και άλλες κυβερνητικές υπηρεσίες, καθώς και από ένα εντυπωσιακό κατάλογο των γίγαντες του ιδιωτικού τομέα. Το ερώτημα θα είναι τι νέες προόδους το TensorFlow και άλλες υπηρεσίες κοινής ωφέλειας καθιστούν εφικτή το μέλλον του ψηφιακού μας κόσμου.
