Red de Respuestas Legales - Derecho empresarial - ¿Cuáles son las ventajas y desventajas de TensorFlow?

¿Cuáles son las ventajas y desventajas de TensorFlow?

El marco TensorFlow, anteriormente conocido como dist Faith V2 de Google, es la biblioteca de herramientas de red profunda del proyecto Google Brain. Algunas personas piensan que TensorFlow se reconstruye a partir de Theano.

Una vez que Tensorflow fue de código abierto, inmediatamente atrajo a una gran cantidad de desarrolladores para seguirlo. Tensorflow admite ampliamente muchas funciones, incluidas imágenes, escritura a mano, reconocimiento de voz, predicción y procesamiento del lenguaje natural. TensorFlow sigue la licencia de código abierto Apache 2.0.

TensorFlow lanzó su versión 1.0 el 5 de febrero de 2017, que es la integración de ocho versiones anteriores incompletas. Estas son algunas de las razones del éxito de TensorFlow:

TensorFLow proporciona estas herramientas:

TensorBroad es una herramienta de visualización y construcción de redes visuales bien diseñada.

TensorFlow Serving facilita la configuración de nuevos algoritmos y entornos manteniendo la misma arquitectura de servidor y API. Los servicios de TensorFlow también proporcionan modelos listos para usar que se pueden ampliar fácilmente para admitir otros modelos y datos.

La versión alfa también admite interfaces de programación TensorFlow, incluidos los lenguajes Python y C++, Java, Go, R y Haskell. Además, TensorFlow también es compatible con los entornos de nube de Google y Amazon.

La versión 0.12 de Tensor Flow es compatible con los sistemas Windows 7, 8 y Server 2016. Debido al uso de la biblioteca de funciones de C++, la biblioteca de clases TensorFlow se puede compilar y optimizar en la plataforma de arquitectura ARM. Esto significa que puede implementar modelos entrenados en una variedad de servidores y dispositivos móviles sin la necesidad de implementar decodificadores de modelos o intérpretes de Python adicionales.

TensorFlow proporciona capas de red detalladas para que los usuarios puedan crear nuevas estructuras de capas complejas sin tener que implementarlas de abajo hacia arriba. Los subgrafos permiten a los usuarios ver y recuperar datos en cualquier borde del gráfico. Esto es útil para depurar cálculos complejos.

TensorFlow distribuido se lanzó en la versión 0.8 y proporciona soporte de computación paralela, lo que permite entrenar diferentes partes del modelo en paralelo en diferentes dispositivos.

TensorFlow ha enseñado en la Universidad de Stanford, Berkeley College, la Universidad de Toronto y Uda City (una escuela en línea establecida en 2065 438 + marzo de 2006).

TensorFlow tiene las siguientes desventajas:

Cada proceso de cálculo debe estructurarse como un gráfico sin ciclos simbólicos, lo que dificulta algunos cálculos;

No hay tres -volumen dimensional Debido a la acumulación, no se puede realizar el reconocimiento de video;

Aunque es 58 veces más rápido que la versión original (0.5), el rendimiento de ejecución aún no es tan bueno como el de la competencia.