Q:
Pourquoi TensorFlow est-il si populaire pour les systèmes d'apprentissage automatique?
UNE:Il y a une grande tendance qui se produit dans l'apprentissage automatique (ML) - les programmeurs se précipitent vers un outil appelé TensorFlow, un produit de bibliothèque open source qui facilite une partie du travail clé inhérent à la construction et à l'utilisation d'ensembles de données de formation en ML. Avec de grands noms adoptant TensorFlow pour l'apprentissage automatique, la popularité est évidente. La question est de savoir pourquoi TensorFlow est devenu un gagnant.
D'une part, il y a lieu de prouver qu'une partie de la popularité de TensorFlow est basée sur ses origines. Développé à l'origine par Google Brain, TensorFlow est nominalement un "produit Google" et bénéficie donc du prestige du nom de la maison, malgré la décision de Google de publier le logiciel sous une licence Apache open-source. Certains indicateurs indiquent également que TensorFlow a été mieux commercialisé que certains de ses concurrents. Un autre facteur pourrait être les grands adoptants; par exemple, le choix de DeepMind d'utiliser TensorFlow peut influencer d'autres développeurs avec une sorte d '"effet domino" qui finit souvent par pousser un certain outil logiciel dans la domination de l'industrie.
| Téléchargement gratuit: apprentissage automatique et pourquoi c'est important |
D'un autre côté, il existe de nombreuses raisons impérieuses pour lesquelles une entreprise peut vouloir utiliser TensorFlow par rapport à d'autres outils d'apprentissage automatique. Certains d'entre eux ont à voir avec la syntaxe accessible et "lisible" de TensorFlow, qui est indispensable pour rendre ces ressources de programmation plus faciles à utiliser. L'apprentissage automatique est déjà si difficile à gravir que les parties prenantes ne veulent pas se débattre avec une syntaxe compliquée.
D'autres éléments de la popularité de TensorFlow ont à voir avec sa construction: certains experts sont passionnés par la fonctionnalité des API de TensorFlow qui peuvent se connecter au mobile ou offrir un meilleur accès. Il existe également une communauté dynamique soutenant TensorFlow, qui est une autre plume dans son chapeau. Les développeurs peuvent également examiner des mesures telles que la réduction des erreurs ou l'itération de code et constater que, dans de nombreux cas, l'utilisation de TensorFlow peut réduire les erreurs sur un projet de base de code ou aider à la mise à l'échelle.
De plus, TensorFlow possède des fonctionnalités inhérentes qui peuvent également être un tirage au sort: des éléments tels que la journalisation interactive et les modèles de visualisation des données, et des options de plate-forme telles que la prise en charge multi-GPU, offrent encore plus de choix aux doigts du développeur. Il existe un argument général selon lequel TensorFlow aide à «effacer l'infrastructure», à virtualiser l'apprentissage automatique et à le détacher des batteries de serveurs internes - ce qui est généralement une grande valeur dans l'informatique du XXIe siècle.
Tous ces facteurs contribuent à l'immense attrait de TensorFlow pour un large éventail de projets d'apprentissage automatique; l'outil est utilisé par la NASA et d'autres agences gouvernementales, ainsi qu'une liste impressionnante de géants du secteur privé. La question sera de savoir quelles nouvelles avancées TensorFlow et d'autres services publics rendent possibles pour l'avenir de notre monde numérique.
