Lo interesante de la popularidad es que si no entiendes por qué algo es tan popular, probablemente sea porque no tienes conocimiento sobre el producto, la audiencia, el mercado o los tres. Entre los buenos ejemplos se encuentran The Beatles, “50 tonos de gris” y Oracle Database.
Un producto exitoso no tiene que ser perfecto para que todos tengan éxito. No es necesario que sea increíblemente rápido, diseñado en exceso, tener la mejor interfaz de usuario, documentación y todo, aunque estas cosas ciertamente ayudan. Todo lo que necesita es tener la capacidad de resolver algún problema importante mejor [la mayor parte del tiempo] que su competencia.
TensorFlow es el “Java” de los marcos de redes neuronales. Está diseñado para escalar sin causar enredos horrendos de los componentes. Si bien es totalmente posible (y simple) escribir un código terrible al usarlo, también es muy fácil escribir un buen código y luego invitar a algunas personas a escribir más código con usted desde el punto donde se detuvo.
- ¿Qué tan bueno es el Master of Science en ciencia de datos en línea de SMU? ¿Ayuda hacer una carrera en ciencias de datos o ayudar a mejorarlo?
- ¿Qué campos se volverán populares después de que la inteligencia artificial domine el mundo entero?
- ¿Cuál es el equipo de detección de sonar más pequeño posible?
- ¿Cómo puedo escribir un script de shell para recuperar texto que se encuentra entre dos cadenas?
- ¿Existe una definición matemática o algorítmica de sobreajuste? ¿Hay documentos detallados que definan primero el sobreajuste?
Fue diseñado desde el principio, para permitir la construcción de modelos enormes, usarlo con múltiples dispositivos o incluso múltiples instancias es sencillo, y realmente no puedo señalar otro marco que lo haga con tanta facilidad.
Los documentos y tutoriales son abundantes. Nuevas características de conveniencia (como los RNN orientados a humanos) se lanzan todo el tiempo.
La visualización y el monitoreo es algo que casi siempre tiene que hacer usted mismo. TensorFlow se integra con TensorBoard, ¿adivina cuántas líneas de código necesita para agregar otra métrica? Uno. Y no necesita escribir visualizaciones complejas usando, por ejemplo, pyplot, porque se realiza en un servidor web, automáticamente. Con características interactivas como suavizado ajustable en tiempo real para métricas escalares (funciones de pérdida). Es una característica simple, pero hace que su proceso sea increíblemente más fácil. Me imagino que el trabajo realizado fue impresionante.
Eso es sobre el producto y un poco sobre el mercado. ¿La audiencia? Bueno, muchos de ellos tienen una formación en ingeniería muy decente, pero la mayoría de ellos son investigadores que generalmente no disfrutan pasar mucho tiempo desarrollando sus propias herramientas para poder hacer su trabajo.
La falta de algunos puntos en los puntos de referencia de rendimiento no hace que un marco se sobrevalore automáticamente. Se necesita un poco de aprendizaje (juego de palabras profundo) para poder sacar tales conclusiones.