TensorFlow

TensorFlow的2.0版本保持了其作为业界领先的机器学习框架的突出地位。TensorFlow最初是一个数字处理程序包，后来逐渐扩展为包括支持各种机器学习方法和执行环境（从移动CPU到大型GPU群集）的库。在此过程中，出现了许多框架，以简化网络创建和训练的任务。同时，其他框架（尤其是PyTorch）提供了一种命令式编程模型，该模型使调试和执行变得越来越容易。TensorFlow 2.0现在默认为命令流（立即执行），并采用Keras作为单个高阶API。尽管这些更改提高了TensorFlow的可用性并使其较PyTorch更具竞争力,但这是一次重大的重写,常常破坏向后兼容性——TensorFlow生态系统中的许多工具和服务框架都无法立即适配新版本。目前,请考虑是否要在TensorFlow 2.0中进行设计和试验,或恢复到版1本以在生产环境中服务和运行模型。

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。