SW/딥러닝

07. 딥러닝 : 텐서플로우 2.0 : 사용해야 하는 이유, 비결, 달라진 점

얇은생각 2020. 2. 24. 07:30
반응형

 

신경망을 만들기 위해 텐서플로우로 작업 할 것임을 알고 있습니다.

그러나 텐서플로우는 더 이상 예전과 같지 않습니다. 그래서 개발에 대한 짧은 역사를 가지고 텐서플로우가 가장 널리 사용되는 이유 중 하나입니다.

많은 실용성으로 인해 많은 실무자들이 선호하는 선택이지만 불행히도 배우고 사용하기가 매우 어려운 단점이 하나 있습니다. 따라서 많은 사람들이 텐서플로우의 두 라인을 본 후 낙담합니다.

메소드는 이상할뿐만 아니라 코딩의 전체 논리는 대부분의 라이브러리와 달리 파이토치와 같은 상위 레벨 패키지의 개발 및 대중화로 이어졌으며, 2017년에 특히 흥미로웠습니다.실제로 텐서플로우과 오픈 소스처럼 관심이 있기는하지만 프로그래밍 세계에서 그런 일이 일어난다는 것은 놀라운 일이 아닙니다.

케라스는 다른 라이브러리가 아닌 텐서플로우에 대한 인터페이스로 생각되었다고 주장합니다. 이 통합을 더욱 쉽게 소화하고 구현할 수 있습니다.

이것은 2019년에 텐서 플로우 2.0이 수평선이나 적어도 알파 버전에서 나왔을 때 다루어졌습니다. 그것이 현재 더 높은 수준의 프로그래밍에 대한 수요를 따라잡기 위한 텐서플로우의 노력이라고 말할 수 있습니다. 흥미롭게도, TAF 개발자들이 선택한 높은 수준의 구문을 만드는 대신 말이죠.

사실 이 결정은 이미 널리 채택되었고 사람들이 일반적으로 그것을 좋아하기 때문에 이치에 맞았습니다. 사람들이 텐서 플로우도 기본적으로 말하는 것을 들을 수 있다는 것을 알게 되었습니다. 

사실 TAF 역시 두 버전은 장점을 가지고 있습니다. TF1의 다재다능성과 높은 수준의 단순성은 매우 적절합니다.

또한 TF1에 비해 TF2가 단순화된 API에 비해 중복되거나 감가상각되지 않은 기능과 코어 텐서 흐름의 일부 새로운 기능도 있습니다.

하지만 중요한 것은 다른 말로 물리학의 표준적인 법칙이 적용되도록 하는 텐서플로우입니다. 실제로 작업하고 싶지 않은 복잡한 계산 그래프보다는 말이죠.

반응형