TensorFlow — это настраиваемая программная библиотека с открытым исходным кодом для выполнения числовых и графических вычислений с использованием потоков данных графов. Гибкая, масштабируемая и переносимая система, используемая для создания крупномасштабных нейронных сетей с несколькими уровнями. Базовым языком для TensorFlow является Python или C++. TensorFlow обеспечивает архитектурную поддержку, упрощающую развертывание сложных числовых вычислений на различных платформах, от ПК до мобильных устройств, периферийных устройств и кластеров серверов. TensorFlow был разработан для использования как в исследованиях и разработках, так и в производственных системах.
TensorFlow может быть излишним для более простых задач, но хорошим выбором для сложных задач глубокого обучения.
===============================
TensorFlow поддерживает вычислительные устройства как CPU, так и GPU для распределенных вычислений.
У нее более быстрое время компиляции по сравнению с другими библиотеками глубокого обучения, такими как Keras и Torch.
С TensorFlow проще работать, поскольку он предоставляет как C++, так и Python API. Можно экспериментировать в многофункциональной высокоуровневой среде и развертывать модели в среде, для которой требуется собственный код или низкая задержка. TensorFlow имеет гораздо большее сообщество по сравнению с другими библиотеками глубокого обучения, что означает, что проще найти несколько ресурсов и MOOC’s для изучения TensorFlow. TensorFlow имеет читаемый и доступный синтаксис, что важно для простоты использования. Учитывая продвинутый характер машинного обучения, сложный синтаксис — это последнее, с чем исследователи и разработчики хотели бы работать. Обеспечивает высокопроизводительные реализации для различных моделей обучения, таких как LSTM RNN и Stochastic Forests. Имеет TensorBoard для отличной визуализации данных.
================================
TensorFlow обеспечивает очень гибкую и модульную архитектуру, что означает, что вы можете использовать только необходимые части или использовать все части вместе. TensorFlow интегрируется со всем, что может вызвать простой C API, а также имеет дело с ограниченными концепциями, такими как сеансы, тензоры и DAG. Вычисления должны быть выражены в виде потока данных графа, и TensorFlow предоставляет несколько версий одной и той же модели или несколько моделей для выполнения. Разработчики могут отделить проектирование потока данных от его выполнения. Создайте поток данных графа, а затем отправьте его для выполнения на CPU машин или на GPU, или на их комбинацию. Все это происходит через единый интерфейс, скрывающий все сложности от пользователя. Поскольку выполнение является асинхронным, оно масштабируется на несколько машин и может работать с большими объемами данных. Это облегчает неавтоматический переход на новые модели/версии и A/B-тестирование экспериментальных моделей.
05 Jan 2022