Q:
Kenapa TensorFlow begitu popular untuk sistem pembelajaran mesin?
A:Terdapat trend besar yang berlaku dalam pembelajaran mesin (ML) - pengatur cara mengumpul alat yang dipanggil TensorFlow, sebuah produk perpustakaan sumber terbuka yang memudahkan beberapa kerja utama yang wujud dalam pembinaan dan menggunakan set data latihan dalam ML. Dengan nama-nama besar yang mengadaptasi TensorFlow untuk pembelajaran mesin, populariti jelas. Persoalannya ialah mengapa TensorFlow muncul sebagai pemenang.
Di satu sisi, terdapat kes yang perlu dibuat bahawa beberapa populariti TensorFlow didasarkan pada asal-usulnya. Dibangunkan pada asalnya oleh Google Brain, TensorFlow secara nominalnya adalah "produk Google" dan oleh itu ia menikmati prestij nama rumah tangga, walaupun langkah Google untuk melepaskan perisian di bawah sumber terbuka Apache. Terdapat juga petunjuk bahawa TensorFlow telah dipasarkan lebih baik daripada beberapa pesaingnya. Faktor lain boleh menjadi pengangkut besar; contohnya, pilihan DeepMind untuk menggunakan TensorFlow mungkin mempengaruhi pemaju lain dengan sejenis "kesan domino" yang sering berakhir mendorong satu alat perisian tertentu ke dalam dominasi industri.
| Muat turun Percuma: Pembelajaran Mesin dan Mengapakah Ia Penting |
Sebaliknya, terdapat banyak sebab yang menarik mengapa syarikat mungkin menggunakan TensorFlow ke atas alat pembelajaran mesin lain. Ada yang berkaitan dengan sintaks yang boleh diakses dan "boleh dibaca" TensorFlow, yang merupakan keharusan untuk menjadikan sumber pengaturcaraan ini lebih mudah digunakan. Pembelajaran mesin sudah seperti bukit yang sukar untuk memanjat bahawa pihak berkepentingan tidak mahu bergulat dengan sintaks yang tidak berat sebelah.
Unsur-unsur lain populariti TensorFlow perlu dilakukan dengan membinanya: Sesetengah pakar bersemangat mengenai fungsi API TensorFlow yang boleh dihubungkan ke mudah alih atau membawa akses yang lebih baik. Terdapat juga komuniti yang bertenaga yang menyokong TensorFlow, yang merupakan satu lagi bulu di topinya. Selalunya, pemaju boleh melihat metrik seperti pengurangan ralat atau lelaran kod dan mendapati bahawa, dalam banyak kes, menggunakan TensorFlow dapat mengurangkan ralat ke atas projek dasar atau membantu dengan skala.
Di samping itu, terdapat fungsi TensorFlow yang juga dapat menarik: Item seperti model pembalakan interaktif dan model visualisasi data, dan pilihan platform seperti sokongan multi-GPU, membawa lebih banyak pilihan kepada hujung jari pembangun. Terdapat argumen umum bahawa TensorFlow membantu "memadamkan infrastruktur, " untuk memaksimumkan pembelajaran mesin dan bukannya dari ladang pelayan dalaman - yang pada umumnya merupakan nilai yang besar dalam IT abad dua puluh satu.
Kesemua faktor ini menjadi daya tarikan TensorFlow untuk spektrum projek pembelajaran mesin yang luas; alat ini digunakan oleh NASA dan agensi kerajaan lain, serta senarai gergasi sektor swasta yang mengagumkan. Persoalannya adalah apa yang baru kemajuan TensorFlow dan utiliti lain membuat mungkin untuk masa depan dunia digital kita.
