TensorFlow的优缺点详细图解

本文概述

• TensorFlow的优势
• TensorFlow的缺点

TensorFlow是由Google设计和开发的一种开源机器学习概念。它为组织低级数值编程提供了一种非常高级的抽象方法。支持库可以使我们的软件在常规CPU上运行而无需更改。

它支持的平台包括Linux, macOS, Windows和Android。

TensorFlow模型也可以在Google Cloud Machine Learning Engine中没有传统计算机平台的情况下运行。

技术越先进, 它就越有用, 但是一切都有其缺点以及该机器学习库。将TensorFlow与其他库(例如Torch, SciKit, Theano, Neon)进行比较时, 该库让我们操作的某些功能存在缺陷。不用说, 这个库是由Google设计和更新的, 自最初发布以来已经走了很长一段路。

TensorFlow的优势

1)图表：

TensorFlow具有更好的计算图可视化效果。与其他库(例如Torch和Theano)相比, 它们是固有的。

2)图书馆管理：

Google支持。并且具有无缝性能, 快速更新以及具有新功能的频繁新版本的优点。

3)调试：

它可以帮助我们执行图的子部分, 从而可以引入和检索离散数据, 因此具有优势

4)可扩展性：

这些库部署在硬件机器上, 这是具有复杂设置的计算机的移动设备。

5)流水线：

TensorFlow设计为使用各种后端软件(GPU, ASIC)等, 并且高度并行。

6)它具有独特的方法, 可以监视我们模型的训练进度并跟踪多个指标。

7)TensorFlow具有出色的社区支持。

8)其性能高, 与行业最佳匹配。

TensorFlow的缺点

1)缺少符号循环：

当我们说可变长度序列时, 更需要该功能。不幸的是, TensorFlow不提供功能, 但是有限折叠是正确的解决方案。

2)不支持Windows：

有各种各样的用户在窗口环境中而不是Linux感到舒适, 而TensorFlow不能满足这些用户的需求。但是我们不必担心, 如果我们是窗口用户, 我们也可以通过conda或python包库(pip)安装它。

3)基准测试：

与竞争对手相比, TensorFlow既缺乏速度又没有使用。

4)Nvidia不支持GPU, 仅语言支持：

当前, 单个受支持的GPU是NVIDIA, 并且是对Python的唯一全语言支持, 这使它成为一个缺点, 因为在深度学习和Lau中, 其他语言的数量也在增加。

5)计算速度：

这是TF落后的领域, 但我们关注的是生产环境而不是性能, 它仍然是正确的选择。

6)不支持OpenCL。

7)它需要高级演算和线性代数的基础知识, 并且还需要对机器学习有很好的理解。

8)TensorFlow具有独特的结构, 因此很难发现错误且难以调试。

9)不需要任何超低级的事项。

10)这是一个非常低的水平, 具有陡峭的学习曲线。