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.
