V:
Zakaj je TensorFlow tako priljubljen za sisteme strojnega učenja?
A:Pri strojnem učenju (ML) se dogaja velik trend - programerji se usmerjajo v orodje z imenom TensorFlow, knjižnični izdelek z odprto kodo, ki olajša nekatera ključna dela pri gradnji in uporabi naborov podatkov o usposabljanju v ML. Če velika imena sprejemajo TensorFlow za strojno učenje, je priljubljenost očitna. Vprašanje je, zakaj je TensorFlow postal zmagovalec.
Po eni strani je treba poudariti, da nekatere priljubljenosti TensorFlowa temeljijo na njegovem izvoru. TensorFlow, ki ga je prvotno razvil Google Brain, je nominalno "Googlov izdelek" in zato uživa prestiž imena gospodinjstva, kljub Googlovi potezi, da programsko opremo izda pod odprto kodo Apache. Obstajajo tudi kazalci, da je bil TensorFlow bolje tržen kot nekateri njegovi konkurenti. Drugi dejavnik so lahko veliki posvojitelji; na primer, izbira DeepMind-a za uporabo TensorFlow lahko vpliva na druge razvijalce z nekakšnim "domino učinkom", ki pogosto potisne določeno programsko orodje v prevlado industrije.
| Prosti prenos: Strojno učenje in zakaj je pomembno |
Po drugi strani pa obstaja veliko prepričljivih razlogov, zakaj bi podjetje morda želelo uporabljati TensorFlow nad drugimi orodji strojnega učenja. Nekatere od njih imajo povezavo z dostopno in berljivo sintaso TensorFlow, kar je nujno za lažjo uporabo teh programskih virov. Strojno učenje je že tako težaven vzpon, da se zainteresirane strani ne želijo boriti z neprijetno skladnjo.
Drugi elementi priljubljenosti TensorFlow so povezani z njegovo zgraditvijo: nekateri strokovnjaki so navdušeni nad funkcionalnostjo API-jev TensorFlow, ki se lahko povežejo z mobilnimi napravami ali izboljšajo dostop. Obstaja tudi živahna skupnost, ki podpira TensorFlow, ki je še eno perje v svoji kapici. Razvijalci lahko pogledajo tudi metrike, kot sta zmanjšanje napak ali iteracija kod in ugotovijo, da lahko v mnogih primerih z uporabo TensorFlow zmanjšujejo napake pri projektu zbirke kod ali pomagajo pri skaliranju.
Poleg tega ima TensorFlow funkcionalnost, ki je lahko tudi žrebanje: predmeti, kot so interaktivni dnevniki in modeli za vizualizacijo podatkov, ter možnosti platforme, kot je podpora za več GPU, prinašajo še več izbire na dosegu roke razvijalca. Obstaja splošen argument, da TensorFlow pomaga "izbrisati infrastrukturo", virtualizirati strojno učenje in ga povezati z notranjimi strežniškimi kmetijami - kar je na splošno v IT dvajsetem stoletju velika vrednost.
Vse to prispeva k izjemni privlačnosti podjetja TensorFlow za širok spekter projektov strojnega učenja; to orodje uporabljajo NASA in druge vladne agencije, pa tudi impresiven seznam velikanov zasebnega sektorja. Vprašanje bo, kaj novi napredki TensorFlow in drugih pripomočkov omogočajo za prihodnost našega digitalnega sveta.
