TensorFlow, el regalo de Google al mundo del aprendizaje automático.

En 2015, Google abrió TensorFlow y toda su implementación de referencia e hizo que todo el código fuente estuviera disponible en GitHub bajo la licencia Apache 2.0.

TensorFlow, en los términos más generales, es un marco de software para el cálculo científico y numérico basado en gráficos de flujo de datos computacionales para representar una arquitectura de red neuronal complicada.

La interfaz principal de TensorFlow es Python, pero al igual que Caffe (marco de aprendizaje profundo desarrollado en la Universidad de California Estados Unidos), su base está escrita en C++ para mejorar el rendimiento. TensorFlow admite la ejecución en CPU y GPU.

El núcleo de TensorFlow está en C++, y tiene dos lenguajes front-end principales de alto nivel e interfaces para comunicar e implementar los gráficos de computación. El front-end más desarrollado está en Python, utilizado por desarrolladores y científicos de datos. El front-end de C++ proporciona una API de bajo nivel, apropiada para una ejecución eficiente en sistemas integrados.

Aprendizaje profundo con TensorFlow

TensorFlow ha incorporado soporte para el aprendizaje profundo y las redes neuronales, por lo que es fácil armar un parámetro de asignación de red y ejecutar el proceso de entrenamiento. También tiene una colección de funciones matemáticas fáciles de entrenar que son útiles para redes neuronales y cualquier algoritmo de aprendizaje automático basado en gradientes, se beneficiará de la diferenciación automática de TensorFlow y los optimizadores de primer nivel. Debido a la gran colección de herramientas flexibles, TensorFlow es compatible con muchas variantes de aprendizaje automático.

Características de TensorFlow

· Proporciona soporte de programación para redes neuronales profundas y técnicas de aprendizaje automático.

· Se utiliza para definir, desarrollar y calcular con precisión expresiones matemáticas mediante matrices multidimensionales (tensores).

· Proporciona una arquitectura flexible que facilita la implementación de cálculos numéricos en una o más CPU o GPU en una computadora de escritorio, servidor o dispositivo móvil con una sola API.

· Es altamente escalable para el cálculo en diferentes sistemas y grandes conjuntos de datos.

· Se ejecuta en múltiples plataformas como Windows, Linux, máquinas Mac y Android.

· Viene con un panel de control práctico llamado TensorBoard para el análisis de los modelos desarrollados.