Q:
Por que o TensorFlow é tão popular nos sistemas de aprendizado de máquina?
UMA:Há uma grande tendência acontecendo no aprendizado de máquina (ML) - os programadores estão migrando para uma ferramenta chamada TensorFlow, um produto de biblioteca de código aberto que facilita alguns dos principais trabalhos inerentes à criação e uso de conjuntos de dados de treinamento no ML. Com grandes nomes adotando o TensorFlow para aprendizado de máquina, a popularidade é evidente. A questão é por que o TensorFlow emergiu como vencedor.
Por um lado, é possível argumentar que parte da popularidade do TensorFlow se baseia em suas origens. Desenvolvido originalmente pelo Google Brain, o TensorFlow é nominalmente um "produto do Google" e, portanto, goza do prestígio do nome da família, apesar da iniciativa do Google de lançar o software sob uma licença Apache de código aberto. Há também indicadores de que o TensorFlow foi melhor comercializado do que alguns de seus concorrentes. Outro fator poderia ser grandes adotantes; por exemplo, a escolha do DeepMind de usar o TensorFlow pode influenciar outros desenvolvedores com um tipo de "efeito dominó" que muitas vezes acaba levando uma certa ferramenta de software ao domínio do setor.
| Download grátis: Machine Learning e por que é importante |
Por outro lado, existem muitas razões convincentes pelas quais uma empresa pode querer usar o TensorFlow em detrimento de outras ferramentas de aprendizado de máquina. Alguns deles têm a ver com a sintaxe acessível e "legível" do TensorFlow, que é uma obrigação para tornar esses recursos de programação mais fáceis de usar. O aprendizado de máquina já é uma montanha tão difícil de escalar que as partes interessadas não querem lutar com uma sintaxe pesada.
Outros elementos da popularidade do TensorFlow têm a ver com a sua compilação: alguns especialistas são apaixonados pela funcionalidade das APIs do TensorFlow que podem ser vinculadas a dispositivos móveis ou trazer melhor acesso. Há também uma comunidade vibrante apoiando o TensorFlow, que é outra pena em sua tampa. Como alternativa, os desenvolvedores podem analisar métricas como redução de erros ou iteração de código e descobrir que, em muitos casos, o uso do TensorFlow pode diminuir erros em um projeto de base de código ou ajudar no dimensionamento.
Além disso, há uma funcionalidade inerente ao TensorFlow que também pode ser um empecilho: itens como modelos de log interativo e visualização de dados e opções de plataforma como suporte a várias GPUs, oferecem ainda mais opções aos dedos do desenvolvedor. Há um argumento geral de que o TensorFlow ajuda a "apagar a infraestrutura", virtualizar o aprendizado de máquina e desassociá-lo dos farms de servidores internos - o que geralmente é um grande valor na TI do século XXI.
Tudo isso leva ao imenso apelo do TensorFlow para um amplo espectro de projetos de aprendizado de máquina; a ferramenta é usada pela NASA e outras agências governamentais, além de uma lista impressionante de gigantes do setor privado. A questão será quais novos avanços o TensorFlow e outros utilitários possibilitarão para o futuro do nosso mundo digital.
