TensorFlow 的优缺点

TensorFlow是由谷歌大脑团队开发的开源机器学习库。在机器和深度学习模型的计算方面，Tensorflow 是一个福音，但仍然可能因此而出现许多问题。 TensorFlow 的流行有很多原因，但主要是因为计算图的概念、自动微分以及 Tensorflow Python API 结构的适应性。这使得大多数程序员都可以使用 TensorFlow 解决实际问题。

在本文中，我们将了解 TensorFlow 的优缺点。

好处

1. 可扩展

Tensorflow 不限于一种特定的设备。它在蜂窝设备上的工作效率与在任何其他复杂机器上的工作效率一样高。该库的定义如此之大，以至于其部署不限于任何一种特定设备。

2.开源平台

任何想要使用它的人都可以免费使用它。此功能使任何用户都可以随时随地使用此模块。

3. 图表

TensorFlow 具有比任何其他可用库更好的数据可视化能力。这使得它更容易在神经网络上工作。

4. 调试

Tensorflow 有 Tensorboard，可以轻松调试节点。这有助于减少访问整个代码的开销。

5. 并行性

TensorFlow 使用 GPU 和 CPU 系统来运行。用户可以根据需要自由使用任何架构。如果没有明确提及，系统会使用 GPU。这个过程在一定程度上减少了内存使用。由于这种能力，Tensorflow 被视为硬件加速库。

6.兼容

它兼容许多编程语言，如Python、C++、JavaScript 等。这允许用户在他们熟悉的环境中工作。

7. 架构支持

TensorFlow 架构使用 TPU，这使得计算速度比 CPU 和 GPU 更快。基于 TPU 构建的模型可以轻松地部署在云上，并且与其他两个模型相比运行速度更快。

8. 图书馆管理

有 google 支持，Tensorflow 更新频繁，性能出众。

缺点

1.不支持windows

除了 Tensorflow 拥有的所有优势之外，它还为 Windows 用户提供了非常有限的功能集。对于 Linux 用户来说，情况并非如此，当涉及到他们时，会有很多功能。

2. 慢

与其竞争框架相比，它相对较慢且可用性较差。

3.GPU支持

Tensorflow 只有 NVIDIA 支持 GPU 和Python编程语言支持 GPU 编程。

4. 频繁更新

Tensorflow 经历了频繁的更新，使用户不时卸载和重新安装它，以便它可以绑定并与其最新更新混合。

5. 架构限制

Tensorflow 的 TPU 架构只允许执行模型，不允许训练。

6.不一致

Tensorflow 包含同音异义词作为其内容的名称，这使得用户难以记住和使用。一个名称用于各种不同的目的，这就是混乱的开始。

7. 依赖

尽管 TensorFlow 减小了程序的大小并使其对用户友好，但它增加了一层复杂性。每个代码都需要一些平台来执行它，这会增加依赖性。

8. 符号循环

Tensorflow 在为不定序列提供符号循环方面滞后。它对确定序列的支持使其成为有用的资源。