P:
Per què TensorFlow és tan popular en els sistemes d'aprenentatge de màquines?
R:Hi ha una gran tendència en l'aprenentatge de màquines (ML): els programadors es plantegen cap a una eina anomenada TensorFlow, un producte de biblioteca de codi obert que facilita alguns dels treballs clau inherents a la creació i l'ús de conjunts de dades de formació en ML. Amb els grans noms que adopten TensorFlow per a l'aprenentatge automàtic, la popularitat és evident. La pregunta és per què TensorFlow ha sortit com a guanyadora.
D'una banda, hi ha un cas que es diu que part de la popularitat de TensorFlow es basa en els seus orígens. TensorFlow, desenvolupat originalment per Google Brain, és un "producte de Google" i, per tant, gaudeix del prestigi del nom de la llar, malgrat la decisió de Google de llançar el programari sota una llicència Apache de codi obert. També hi ha indicadors que TensorFlow s’ha comercialitzat millor que alguns dels seus competidors. Un altre factor poden ser els grans adoptants; per exemple, l’opció de DeepMind d’utilitzar TensorFlow pot influir en altres desenvolupadors amb una mena d’efecte "domino" que sovint acaba empentant una determinada eina de programari a la dominació de la indústria.
Descàrrega gratuïta: Aprenentatge automàtic i per què és important |
D'altra banda, hi ha moltes raons per a la qual una empresa pot voler utilitzar TensorFlow per sobre d'altres eines d'aprenentatge de màquines. Alguns tenen a veure amb la sintaxi accessible i "llegible" de TensorFlow, que és imprescindible per fer més fàcil l'ús d'aquests recursos de programació. L’aprenentatge automàtic ja és tan difícil per enfilar-se que els agents interessats no volen lluitar amb una sintaxi implacable.
Altres elements de la popularitat de TensorFlow tenen a veure amb la seva creació: Alguns experts són un apassionat de la funcionalitat de les API de TensorFlow que poden connectar-se a mòbils o obtenir un millor accés. També hi ha una comunitat vibrant que dóna suport a TensorFlow, que és una altra ploma al seu interior. De forma alternativa, els desenvolupadors poden mirar mètriques com la reducció d’errors o la iteració de codi i poden trobar que, en molts casos, l’ús de TensorFlow pot disminuir els errors d’un projecte de base de codi o ajudar a escalar.
A més, hi ha una funcionalitat inherent a TensorFlow que també pot suposar un sorteig: elements com el registre interactiu i els models de visualització de dades, i opcions de plataforma com el suport multi-GPU, aporten encara més opcions al puny del desenvolupador. Hi ha un argument general que TensorFlow ajuda a "esborrar infraestructures", a virtualitzar l'aprenentatge de màquines i a lligar-lo de les granges de servidors interns, que generalment és un gran valor en les informàtiques del segle XXI.
Tot això es tradueix en l'immensa crida de TensorFlow per a un ampli espectre de projectes d'aprenentatge automàtic; l'eina l'utilitza la NASA i altres agències governamentals, així com una llista impressionant de gegants del sector privat. La pregunta serà quins nous avenços TensorFlow i altres utilitats fan possible per al futur del nostre món digital.