Q:
Tại sao TensorFlow lại phổ biến cho các hệ thống máy học?
A:Có một xu hướng lớn xảy ra trong học máy (ML) - các lập trình viên đang đổ xô về một công cụ có tên là TensorFlow, một sản phẩm thư viện nguồn mở tạo điều kiện cho một số công việc chính vốn có trong việc xây dựng và sử dụng các bộ dữ liệu đào tạo trong ML. Với những tên tuổi lớn áp dụng TensorFlow cho máy học, sự phổ biến là điều hiển nhiên. Câu hỏi đặt ra là tại sao TensorFlow lại nổi lên như một người chiến thắng.
Một mặt, có một trường hợp được đưa ra là một số mức độ phổ biến của TensorFlow dựa trên nguồn gốc của nó. Được phát triển ban đầu bởi Google Brain, TensorFlow trên danh nghĩa là "sản phẩm của Google" và do đó, nó rất thích uy tín của tên hộ gia đình, mặc dù Google đã chuyển sang phát hành phần mềm theo giấy phép Apache nguồn mở. Ngoài ra còn có các chỉ số cho thấy TensorFlow đã được bán trên thị trường tốt hơn so với một số đối thủ cạnh tranh. Một yếu tố khác có thể là những người áp dụng lớn; chẳng hạn, lựa chọn sử dụng TensorFlow của DeepMind có thể ảnh hưởng đến các nhà phát triển khác với một loại "hiệu ứng domino" thường kết thúc việc đẩy một công cụ phần mềm nào đó vào sự thống trị của ngành.
| Tải xuống miễn phí: Machine Learning và Why It Matters |
Mặt khác, có nhiều lý do thuyết phục tại sao một công ty có thể muốn sử dụng TensorFlow hơn các công cụ học máy khác. Một số trong số chúng phải thực hiện với cú pháp có thể truy cập và "có thể đọc" của TensorFlow, đây là điều bắt buộc để làm cho các tài nguyên lập trình này dễ sử dụng hơn. Học máy đã là một ngọn đồi khó khăn để trèo lên mà các bên liên quan không muốn vật lộn với cú pháp khó sử dụng.
Các yếu tố khác về mức độ phổ biến của TensorFlow có liên quan đến bản dựng của nó: Một số chuyên gia đam mê chức năng của API của TensorFlow có thể liên kết với thiết bị di động hoặc mang lại quyền truy cập tốt hơn. Ngoài ra còn có một cộng đồng sôi động hỗ trợ TensorFlow, đó là một chiếc lông vũ khác trong mũ của nó. Thay phiên, các nhà phát triển có thể xem xét các số liệu như giảm lỗi hoặc lặp mã và thấy rằng, trong nhiều trường hợp, sử dụng TensorFlow có thể giảm lỗi trong dự án codebase hoặc trợ giúp mở rộng quy mô.
Ngoài ra, có chức năng vốn có của TensorFlow cũng có thể là một ưu điểm: Các mục như mô hình ghi nhật ký và hiển thị dữ liệu tương tác và các tùy chọn nền tảng như hỗ trợ đa GPU, mang đến nhiều sự lựa chọn hơn trong tầm tay của nhà phát triển. Có một lập luận chung rằng TensorFlow giúp "xóa cơ sở hạ tầng", để ảo hóa việc học máy và tháo gỡ nó khỏi các trang trại máy chủ nội bộ - thường là một giá trị lớn trong CNTT thế kỷ hai mươi mốt.
Tất cả các yếu tố này tạo nên sức hấp dẫn to lớn của TensorFlow cho một loạt các dự án học máy; công cụ này được NASA và các cơ quan chính phủ khác sử dụng, cũng như một đội hình ấn tượng của những người khổng lồ trong khu vực tư nhân. Câu hỏi sẽ là những tiến bộ mới mà TensorFlow và các tiện ích khác mang lại có thể cho tương lai của thế giới kỹ thuật số của chúng ta.
