큐:
텐서 플로우가 머신 러닝 시스템에 인기가 높은 이유는 무엇입니까?
ㅏ:머신 러닝 (ML)에서 큰 추세가 일어나고 있습니다. 프로그래머는 ML에서 교육 데이터 세트를 구축하고 사용하는 데있어 핵심적인 일부 작업을 용이하게하는 오픈 소스 라이브러리 제품인 TensorFlow라는 도구를 찾고 있습니다. 머신 러닝에 TensorFlow를 채택한 큰 이름으로 인기가 분명합니다. 문제는 TensorFlow가 승자로 부상 한 이유입니다.
한편으로, TensorFlow의 인기 중 일부는 그 기원에 기반을 둔 경우가 있습니다. 원래 Google Brain에서 개발 한 TensorFlow는 명목상 "Google 제품"이므로 Google이 오픈 소스 Apache 라이센스로 소프트웨어를 출시하기로했지만 Google은 유명인의 명성을 누리고 있습니다. 또한 텐서 플로우가 일부 경쟁사보다 더 잘 판매되고 있다는 지표도 있습니다. 또 다른 요인은 큰 채택 자일 수 있습니다. 예를 들어, TensorFlow를 사용하기위한 DeepMind의 선택은 다른 소프트웨어 개발자들에게 일종의 "도미노 효과"에 영향을 줄 수 있으며, 이로 인해 특정 소프트웨어 도구 중 하나가 업계 지배력을 발휘하게됩니다.
| 무료 다운로드 : 기계 학습 및 중요한 이유 |
반면에, 회사가 다른 머신 러닝 도구보다 TensorFlow를 사용하고자하는 많은 이유가 있습니다. 이들 중 일부는 TensorFlow의 액세스 가능하고 "판독 가능한"구문과 관련이 있는데, 이는 이러한 프로그래밍 리소스를보다 쉽게 사용하기위한 필수 요소입니다. 머신 러닝은 이미 이해하기 어려운 어려운 언덕이기 때문에 이해 당사자들은 다루기 어려운 구문으로 씨름하고 싶지 않습니다.
TensorFlow의 인기있는 다른 요소는 빌드와 관련이 있습니다. 일부 전문가는 모바일에 연결하거나 더 나은 액세스를 제공 할 수있는 TensorFlow API의 기능에 열정적입니다. 또한 TensorFlow를 지원하는 역동적 인 커뮤니티가 있습니다. 또는 개발자는 오류 감소 또는 코드 반복과 같은 메트릭을보고 많은 경우에 TensorFlow를 사용하면 코드베이스 프로젝트의 오류를 줄이거 나 스케일링에 도움이 될 수 있습니다.
또한 TensorFlow에는 고유 한 기능이 있습니다. 대화 형 로깅 및 데이터 시각화 모델과 같은 항목과 다중 GPU 지원과 같은 플랫폼 옵션은 개발자의 손끝에 훨씬 더 많은 선택을 가져옵니다. TensorFlow가 기계 학습을 가상화하고 내부 서버 팜에서 기계 학습을 가상화하는 데 도움이되는 "인프라 제거"에 대한 일반적인 주장이 있습니다. 이는 일반적으로 21 세기 IT에서 큰 가치입니다.
이 모든 요소는 광범위한 기계 학습 프로젝트에 대한 TensorFlow의 엄청난 호소력에 영향을 미칩니다. 이 도구는 NASA 및 기타 정부 기관과 민간 부문 거인의 인상적인 명단에서 사용됩니다. 문제는 TensorFlow 및 기타 유틸리티가 디지털 세상의 미래를 위해 어떤 새로운 발전을 이룰 것인가하는 것입니다.
