Graph es una forma de representar el flujo de datos a través de una serie de cálculos en términos de dependencias entre operaciones individuales en computación paralela o computación distribuida.
Cada gráfico tiene dos elementos: nodos y aristas. Un nodo es solo un montón de cálculos y los bordes son los datos que siguen entre nodos. Puede representar prácticamente cualquier operación matemática como un gráfico.
Es mucho más fácil representar operaciones intensivas en cómputo (es decir, aprendizaje profundo) para casos de uso basados en datos a gran escala. Le ayuda a ejecutar tales operaciones en un entorno informático paralelo distribuido ya que cada nodo se puede ejecutar de forma independiente siempre que se cumplan sus dependencias. Esto trae portabilidad del lenguaje, escalabilidad y eficiencia en el desarrollo.
- ¿Qué debo aprender primero de Machine Learning o AI?
- ¿Cuál es la diferencia entre un investigador de aprendizaje automático y un ingeniero de aprendizaje automático en términos de contribución?
- ¿Qué es la ciencia de datos, big data y machine learning?
- ¿Qué ventajas hay en obtener un MD / PhD en CS en lugar de un MD / PhD en aprendizaje automático si quieres estudiar IA?
- ¿Qué es más prometedor entre el aprendizaje automático y el aprendizaje profundo?
Esta es una explicación simple, espero que haya ayudado. Lea más sobre los gráficos DAG y tensorflow para comprenderlos mejor.
