Top-bewertete TensorFlow Alternativen
It's easy to integrate pre-trained models for building up the starter projects and tensorflow.js helped me out for integrating it directly into the browser. Bewertung gesammelt von und auf G2.com gehostet.
There were compatibility issues between different versions, to convert code from Tensorflow 1.0 to Tensorflow 2.0. Although change was good but it need now some changes to be made in order to make it compatible. Bewertung gesammelt von und auf G2.com gehostet.
Video-Reviews
Neuronale Netzwerke Objekte und Bilder erkennen
70 von 71 Gesamtbewertungen für TensorFlow
Gesamtbewertungsstimmung für TensorFlow
Melden Sie sich an, um die Bewertungsstimmung zu sehen.
Ich liebe, wie flexibel TensorFlow ist. Egal, ob ich an einem kleinen Projekt oder etwas Fortgeschrittenerem arbeite, TensorFlow gibt mir die Werkzeuge, die ich benötige, um meine Modelle zu erstellen und feinabzustimmen. Die vortrainierten Modelle und die integrierte Unterstützung für sowohl mobile als auch Cloud-Deployment sind ebenfalls eine enorme Zeitersparnis, sodass ich schnell einsatzbereit bin. Bewertung gesammelt von und auf G2.com gehostet.
Ich finde, dass TensorFlow anfangs etwas überwältigend sein kann, besonders für Anfänger wie mich. Einige der fortgeschrittenen Funktionen, wie das Erstellen benutzerdefinierter Schichten oder das Debuggen komplexer Modelle, brauchten eine Weile, um verstanden zu werden. Es scheint auch langsamer zu laufen als andere Frameworks, wenn ich größere Modelle trainiere. Bewertung gesammelt von und auf G2.com gehostet.
Tensor Flow ist einfach zu verwenden, flexibel mit Geräten, läuft direkt im Browser mit Java. Bewertung gesammelt von und auf G2.com gehostet.
Werkzeug visualisieren kann einfacher sein und vortrainierte Modelle können häufiger durchgeführt werden und mehr Zeit sparen. Bewertung gesammelt von und auf G2.com gehostet.
Die Art und Weise, wie es die Daten verarbeitet und die Unterstützung der Gemeinschaft, die es hat, ist ein Geschenk des Himmels. Die Entwicklung und Wartung des Code-Bestands ist mit TensorFlow wirklich einfach. Und mit Version 2 ist es einfach erstaunlich. Bewertung gesammelt von und auf G2.com gehostet.
Ich denke, für eine Person, die gerade in die Branche eintritt, ist es etwas schwierig zu verstehen. Manchmal ist die Dokumentation wirklich verwirrend und man muss suchen, ob jemand es erklärt hat, damit man es besser versteht. Bewertung gesammelt von und auf G2.com gehostet.
Die in dieser Bibliothek verfügbaren Bibliotheken, der Komfort, den sie bei der Erstellung eines neuronalen Netzwerkmodells bietet. Bewertung gesammelt von und auf G2.com gehostet.
Keine Abneigungen, es ist das beste Werkzeug für Deep Learning. Bewertung gesammelt von und auf G2.com gehostet.
TensorFlow ist flexibel. Es bietet eine Plattform zum Erstellen und Bereitstellen von maschinellen Lernmodellen auf einer Vielzahl von Geräten und Medien, und TensorFlow ist wirklich skalierbar, läuft auf einem einzelnen Gerät bis hin zu verteilten Systemen mit Tausenden von GPUs. Bewertung gesammelt von und auf G2.com gehostet.
Einige Dinge, die ich an TensorFlow nicht mag, sind, dass es ressourcenintensiv ist; TensorFlow ist wirklich ressourcenintensiv. Es erfordert hohe Rechenleistung und eine leistungsstarke GPU. Die zweite Sache ist die Lernkurve; TensorFlow kann aufgrund seiner Komplexität für Anfänger eine steile Lernkurve haben. Bewertung gesammelt von und auf G2.com gehostet.
Tensorflow is the best library to work with neural networks and building model architecture. The functional API along with other functionalities makes it easy to define any model from easy to complex and train with ease. Bewertung gesammelt von und auf G2.com gehostet.
Tensorflow needs to add some development in context of memory. In order to deploy any model it takes around 400mb memory for just tensorflow lib. This is the only part which holds me back sometimes. Bewertung gesammelt von und auf G2.com gehostet.
Eines der besten Merkmale von Tensorflow ist seine Fähigkeit, Multicore-Training von Modellen durchzuführen. Im Gegensatz zu den alten Frameworks verlässt sich TF nicht auf das Training mit einer einzelnen CPU, sondern ermöglicht das verteilte Training von Modellen, was die Trainingszeit drastisch verkürzt, wenn wir mehrere GB an Bildern für Diffusionsmodelle trainieren müssen. Bewertung gesammelt von und auf G2.com gehostet.
Wenn Entwickler Windows für die Entwicklung verwenden, gibt es bestimmte Probleme mit den Python-Pip-Paketen, die Teil von TF sind. Es gibt keine native Unterstützung für Entscheidungswälder, die eines der beliebtesten Pakete sind, die von anderen Frameworks unterstützt werden. Bewertung gesammelt von und auf G2.com gehostet.
In TensorFlow gibt es viele Methoden für viele Zwecke. Und in TF kann man alles über Deep Learning machen. Bewertung gesammelt von und auf G2.com gehostet.
Tensorflow kann eine eigene Benutzeroberfläche zur Verwaltung von Modellen und allem erstellen. Bewertung gesammelt von und auf G2.com gehostet.
Tensorflow hat mehrere intuitive Methoden zur Implementierung von maschinellen Lernalgorithmen. Ich persönlich mag es, den Abschnitt zur Bildklassifizierung zu verwenden, um zu verstehen, wie man Muster in überwachten Daten erkennt. Bewertung gesammelt von und auf G2.com gehostet.
Ich denke, es gibt noch Raum für Verbesserungen in Bezug auf die Lesbarkeit. Insbesondere fühlt es sich an, als ob viele der Befehle von TensorFlow keinem "pythonic" Muster folgen. Bewertung gesammelt von und auf G2.com gehostet.
Es bietet alle aktuellen Algorithmen, die auf einem Convolutional Neural Network-Modell laufen können. Es bietet Trainingsalgorithmen, Metriken und Optimierer für den Deep-Learning-Algorithmus. Bewertung gesammelt von und auf G2.com gehostet.
Die Python-Version von TensorFlow läuft nur auf GPU-basierten Prozessoren. Bewertung gesammelt von und auf G2.com gehostet.
