TensorFlow

在它的2.0版本中，TensorFlow保持其作为行业领先的机器学习框架的地位。TensorFlow最初是一个数字处理包，逐渐扩展到包括支持各种ML方法和执行环境的库，从移动CPU到大型GPU集群。在此过程中，出现了大量框架来简化网络创建和培训的任务。与此同时，其他框架，尤其是PyTorch它提供了一种命令式编程模型，使调试和执行变得更加简单和容易。TensorFlow 2.0现在默认为命令流(紧急执行)并采用Keras作为单一高级API。虽然这些变化使TensorFlow的可用性现代化，并使其与PyTorch更具竞争力，但这是一次重大的重写，经常会破坏向后兼容性——TensorFlow生态系统中的许多工具和服务框架不会立即与新版本一起工作。目前，考虑是否要在TensorFlow 2.0中进行设计和试验，但要恢复到版本1以在生产中服务和运行您的模型。

谷歌的TensorFlow是一个开放源代码的机器学习平台，可以用于从研究到生产的一切，并将运行在硬件从移动CPU一直到大型GPU计算集群。它是一个重要的平台，因为它使深度学习算法的实现更加容易和方便。尽管大肆宣传，TensorFlow实际上并不是什么新的算法:所有这些技术已经通过学术界在公共领域可用一段时间了。同样重要的是，要意识到，大多数企业甚至还没有进行基本的预测分析，跳到深度学习可能无助于理解大多数数据集。然而，对于那些确实有正确问题和数据集的人来说，TensorFlow是一个有用的工具包。