TensorFlow 的优点和缺点

TensorFlow 是由 Google 设计和开发的开源机器学习概念。它提供了一种非常高级和抽象的方法来组织底层数值编程。它也支持库，允许我们的软件在常规 CPU 上无需更改即可运行。

它支持的平台包括 Linux、macOS、Windows 和 Android。

TensorFlow 模型也可以在 Google Cloud Machine Learning Engine 中运行，而无需传统的计算机平台。

技术越先进，它就越有用，但任何事物都有其缺点，这个机器学习库也是如此。 在将 TensorFlow 与其他库（如 Torch、SciKit、Theano、Neon）进行比较时，该库允许我们操作的几个功能存在缺陷。 该库由 Google 设计和更新，所以不用说，自最初发布以来，它已经走了很长的路。

TensorFlow 的优点

1) 图

TensorFlow 具有更好的计算图可视化效果。与其他库（如 Torch 和 Theano）相比，这是固有的。

2) 库管理

Google 支持它。并且具有无缝性能、快速更新和频繁发布新功能等优点。

3) 调试

它帮助我们执行图的子部分，这使我们能够引入和检索离散数据，从而使其具有优势

4) 可扩展性

这些库部署在硬件机器上，从蜂窝设备到具有复杂设置的计算机。

5) 流水线

TensorFlow 旨在支持各种后端软件（GPU、ASIC 等），并且是高度并行的。

6) 它有一种独特的方法，可以监视模型的训练进度并跟踪多个指标。

7) TensorFlow 具有出色的社区支持。

8) 它的性能很高，可以与业内最佳水平相媲美。

TensorFlow 的缺点

1) 缺少符号循环

当我们在谈论可变长度序列时，此功能更为重要。 不幸的是，TensorFlow 不提供此功能，但是有限折叠是正确的解决方案。

2) 不支持 Windows

有很多用户更喜欢在 Windows 环境而不是 Linux 中使用，而 TensorFlow 不能满足这些用户的需求。 但是，如果使用 Windows，则不必担心，也可以通过 conda 或 python 软件包库 (pip) 安装它。

3) 基准测试

与竞争对手相比，TensorFlow 在速度和使用率方面都存在不足。

4) Nvidia 没有 GPU 支持，只有语言支持

当前，唯一受支持的 GPU 是 NVIDIA，并且唯一完全支持的语言是 Python，这是一个缺点，因为深度学习以及 Lau 中的其他语言也有所增加。

5) 计算速度

这是 TF 落后的领域，但是如果我们专注于生产环境而不是性能，它仍然是正确的选择。

6) 不支持 OpenCL。

7) 它需要高级微积分和线性代数的基础知识，并且需要对机器学习有很好的理解。

8) TensorFlow 具有独特的结构，因此很难找到错误并且难以调试。

9) 不需要任何超低级的东西。

10) 它的级别非常低，学习曲线陡峭。