#dan41. TensorFlow, Python #50storychallenge #100daychallenge
Povećanjem broja developera i korisnika u domenu DL, povećava se i broj softverskih alata koji se koriste za rešavanje mnogobrojnih problema iz domena ML i DL. Korišćeni frameworks u DL su Caffe, Torch, Theano koji su uglavnom razvijeni u akademskoj zajednici, dok se poslednjih par godina javljaju i Caffe2, PyTorch, Tensor Flow, Paddle, CNTK, MXNet, i drugi,….razvijeni od strane industrije kao što je Facebook, Google, Microsoft, Amazon itd. Konstantno se menjaju trendovi, upotreba i mogućnosti ovih frejmvorkova, pa se tako trenutno izdvaja Google-ov TensorFlow koji je open source od 2017. godine.
Programski jezik koji se najčešće koristi u ove svrhe je Python. Tensor Flow je otvorena Google-ova biblioteka za numeričko računanje upotrebom dijagrama protoka podataka (eng. Data Flow Graph — DFG). U DFG svaki element predstavlja jednu funkciju ili podstistem, gde aktivnost svakog elementa u lancu zavisi od ulaza prethodnog elementa. Tu je i Keras API pisan u Python-u sa mogućnošću izvršavanja povrh Tensor Flow-a.
Do sutra…
‘The flow state: Flow is characterized by complete concentration in the activity at hand, resulting in a loss in one’s sense of space and time. It’s a state of both high challenge and high skill — a place where we’re capable of stretching ourselves to overcome difficulty. Anyone is capable of inducing such a state of deep productivity and creativity.’
