D:
Perché TensorFlow è così popolare per i sistemi di apprendimento automatico?
UN:Si sta verificando una grande tendenza nell'apprendimento automatico (ML): i programmatori si stanno affollando verso uno strumento chiamato TensorFlow, un prodotto di libreria open source che facilita parte del lavoro chiave inerente alla costruzione e all'utilizzo di set di dati di formazione in ML. Con i grandi nomi che adottano TensorFlow per l'apprendimento automatico, la popolarità è evidente. La domanda è perché TensorFlow è emerso come vincitore.
Da un lato, c'è da supporre che parte della popolarità di TensorFlow sia basata sulle sue origini. Sviluppato originariamente da Google Brain, TensorFlow è nominalmente un "prodotto Google" e quindi gode del prestigio del nome familiare, nonostante la mossa di Google di rilasciare il software con una licenza Apache open source. Ci sono anche indicatori che TensorFlow è stato commercializzato meglio di alcuni dei suoi concorrenti. Un altro fattore potrebbe essere i grandi adottanti; ad esempio, la scelta di DeepMind di utilizzare TensorFlow può influenzare altri sviluppatori con una sorta di "effetto domino" che spesso finisce per spingere un certo strumento software in posizione dominante nel settore.
Download gratuito: Machine Learning e perché è importante |
D'altra parte, ci sono molte ragioni convincenti per cui un'azienda potrebbe voler utilizzare TensorFlow su altri strumenti di apprendimento automatico. Alcuni hanno a che fare con la sintassi accessibile e "leggibile" di TensorFlow, che è un must per rendere queste risorse di programmazione più facili da usare. L'apprendimento automatico è già così difficile da scalare che le parti interessate non vogliono lottare con una sintassi ingombrante.
Altri elementi della popolarità di TensorFlow hanno a che fare con la sua costruzione: alcuni esperti sono appassionati della funzionalità delle API di TensorFlow che possono collegarsi ai dispositivi mobili o offrire un accesso migliore. C'è anche una vivace comunità che supporta TensorFlow, che è un'altra piuma nel suo cappello. In alternativa, gli sviluppatori possono esaminare metriche come la riduzione degli errori o l'iterazione del codice e scoprire che, in molti casi, l'uso di TensorFlow può ridurre gli errori su un progetto di base di codice o aiutare con il ridimensionamento.
Inoltre, c'è una funzionalità intrinseca di TensorFlow che può anche essere un pareggio: elementi come la registrazione interattiva e modelli di visualizzazione dei dati e opzioni di piattaforma come il supporto multi-GPU, offrono ancora più scelta a portata di mano dello sviluppatore. C'è un argomento generale secondo cui TensorFlow aiuta a "cancellare l'infrastruttura", a virtualizzare l'apprendimento automatico e liberarlo dalle server farm interne, il che è generalmente un grande valore nell'IT del ventunesimo secolo.
Tutto ciò contribuisce all'immenso fascino di TensorFlow per un'ampia gamma di progetti di machine learning; lo strumento viene utilizzato dalla NASA e da altre agenzie governative, nonché da un impressionante elenco di giganti del settore privato. La domanda sarà: quali nuovi progressi TensorFlow e altre utilità renderanno possibili per il futuro del nostro mondo digitale.