# TensorFlow Reviews **Vendor:** TensorFlow **Category:** [Datenwissenschafts- und maschinelles Lernen-Plattformen](https://www.g2.com/de/categories/data-science-and-machine-learning-platforms) **Average Rating:** 4.5/5.0 **Total Reviews:** 138 ## About TensorFlow TensorFlow ist eine Open-Source-Maschinenlern-Bibliothek, die vom Google Brain Team entwickelt wurde, um die Erstellung, das Training und die Bereitstellung von Maschinenlernmodellen auf verschiedenen Plattformen zu erleichtern. Es bietet ein umfassendes Ökosystem, das Aufgaben von einfachen Datenflussdiagrammen bis hin zu komplexen neuronalen Netzwerken unterstützt und es Entwicklern und Forschern ermöglicht, Maschinenlern-Anwendungen effizient zu erstellen und bereitzustellen. Hauptmerkmale und Funktionalität: - Flexible Architektur: Die Architektur von TensorFlow ermöglicht die Bereitstellung auf mehreren Plattformen, einschließlich CPUs, GPUs und TPUs, und unterstützt verschiedene Betriebssysteme wie Linux, macOS, Windows, Android und JavaScript. - Unterstützung mehrerer Sprachen: Während es hauptsächlich eine Python-API bietet, unterstützt TensorFlow auch andere Sprachen, einschließlich C++, Java und JavaScript, und bedient damit eine vielfältige Entwicklergemeinschaft. - Hochrangige APIs: TensorFlow umfasst hochrangige APIs wie Keras, die den Prozess des Erstellens und Trainierens von Modellen vereinfachen und das Maschinenlernen für Anfänger zugänglicher und für Experten effizienter machen. - Eager Execution: Diese Funktion ermöglicht die sofortige Auswertung von Operationen und erleichtert das intuitive Debugging und den dynamischen Aufbau von Graphen. - Verteiltes Rechnen: TensorFlow unterstützt verteiltes Training, was die Skalierung von Maschinenlernmodellen über mehrere Geräte und Server hinweg ohne wesentliche Codeänderungen ermöglicht. Primärer Wert und bereitgestellte Lösungen: TensorFlow adressiert die Herausforderungen bei der Entwicklung und Bereitstellung von Maschinenlernmodellen, indem es eine einheitliche, skalierbare und flexible Plattform bietet. Es vereinfacht den Arbeitsablauf von der Modellentwicklung bis zur Bereitstellung und reduziert die Komplexität, die mit Maschinenlernprojekten verbunden ist. Durch die Unterstützung einer Vielzahl von Plattformen und Sprachen befähigt TensorFlow Benutzer, Maschinenlernlösungen in unterschiedlichen Umgebungen zu implementieren, von Forschungslabors bis hin zu Produktionssystemen. Sein umfassendes Angebot an Tools und Bibliotheken beschleunigt den Entwicklungsprozess, fördert Innovationen und ermöglicht die Erstellung anspruchsvoller Modelle, die reale Probleme effektiv lösen können. ## TensorFlow Pros & Cons **What users like:** - Benutzer schätzen die **leistungsstarke und flexible Plattform** von TensorFlow zum Erstellen und Bereitstellen von maschinellen Lernmodellen. (23 reviews) - Benutzer schätzen die **leistungsstarke KI-Integration** in TensorFlow, die effizientes Modelltraining auf verschiedenen Plattformen ermöglicht. (19 reviews) - Benutzer schätzen die **Benutzerfreundlichkeit** von TensorFlow, was ihre Erfahrung beim Erstellen und Testen von maschinellen Lernmodellen verbessert. (19 reviews) - Benutzer schätzen die **Modellvielfalt** von TensorFlow, die schnelles Prototyping und flexible Architektur für verschiedene maschinelle Lernprojekte ermöglicht. (17 reviews) - Benutzer schätzen die **Skalierbarkeit** von TensorFlow, die eine effiziente Bereitstellung und Anpassung für verschiedene Anwendungen auf verschiedenen Plattformen ermöglicht. (14 reviews) - Benutzer schätzen den **ausgezeichneten Kundensupport** und die Community von TensorFlow, die ihre Erfahrung mit maschinellen Lernprojekten verbessern. (13 reviews) - Benutzer schätzen die **einfachen Integrationen** von TensorFlow, die eine nahtlose Nutzung über verschiedene Plattformen und Anwendungen hinweg ermöglichen. (13 reviews) - Flexibilität (11 reviews) - Codierung Leichtigkeit (8 reviews) - Integrierte Plattform (7 reviews) **What users dislike:** - Benutzer finden die **steile Lernkurve** von TensorFlow einschüchternd, insbesondere Anfänger, die mit seiner komplexen Struktur und den Debugging-Herausforderungen zu kämpfen haben. (25 reviews) - Benutzer finden die **Komplexität und steile Lernkurve** von TensorFlow hinderlich für ihre Erfahrung, insbesondere für Windows-Benutzer. (7 reviews) - Benutzer finden **schwierige Lernkurven** in TensorFlow und stehen vor Herausforderungen mit Anleitungen, Debugging und veralteten API-Übergängen. (7 reviews) - Benutzer haben Schwierigkeiten mit **Fehlerbehandlung** , da sie auf unklare Nachrichten und herausforderndes Debugging stoßen, was insbesondere die Erfahrungen von Anfängern beeinträchtigt. (6 reviews) - Benutzer berichten von **langsamer Leistung** von TensorFlow, insbesondere während Experimenten, was die Entwicklungseffizienz beeinträchtigen kann. (5 reviews) - Softwarefehler (5 reviews) - Verwirrende Syntax (3 reviews) - Schwierige Einrichtung (3 reviews) - Unzureichende Lernressourcen (3 reviews) - Begrenzte Ressourcen (3 reviews) ## TensorFlow Reviews ### 1. Maschinenbau-Doktorand, der TensorFlow in seiner Forschung verwendet hat. **Rating:** 5.0/5.0 stars **Reviewed by:** Verifizierter Benutzer in Forschung | Kleinunternehmen (50 oder weniger Mitarbeiter) **Reviewed Date:** August 05, 2020 **Was gefällt Ihnen an TensorFlow am besten?** Schnelles Prototyping. Besonders beim Aufbau eines neuronalen Netzwerks. **Was gefällt Ihnen an TensorFlow nicht?** Die Dokumentation enthält manchmal nicht genügend Beispiele für verschiedene Szenarien. **Welche Probleme löst TensorFlow für Sie, und wie profitieren Sie davon?** Chemische Reaktionen in Materialien. ### 2. Das leistungsstärkste maschinelle Lern-Framework zum Trainieren von Modellen. **Rating:** 5.0/5.0 stars **Reviewed by:** Radhika D. | Product Engineer, Computersoftware **Reviewed Date:** August 05, 2019 **Was gefällt Ihnen an TensorFlow am besten?** Drei verschiedene Gruppen nutzen Tensorflow: Forscher, Datenwissenschaftler und Entwickler. Idealerweise gab es nichts, das alle drei zusammenarbeiten lassen und bessere Effizienz bieten konnte. Tensorflow war die Lösung, die sie entwickelten, um dieses Problem zu lösen. Die Bibliothek war skalierbar, sie wurde entwickelt, um auf mehreren CPUs oder GPUs und sogar mobilen Betriebssystemen zu laufen, und sie hat mehrere Wrapper. Von der Installation bis zur Bereitstellung ist Tensorflow die einfachste unter allen anderen Plattformen, die plattformübergreifende Bereitstellung bieten. Tensorflow bietet anständige Ereignisverwaltung, Graphenverwaltung, Bildverwaltung und das beste Merkmal ist Tensorboard. **Was gefällt Ihnen an TensorFlow nicht?** Tensorflow ist leistungsstark in Bezug auf die Leistung, bietet jedoch weniger Spielraum. Es wird Sie einschränken, da das Anpassen von Algorithmen darin eine ziemlich komplexe Aufgabe ist. Seit der Veröffentlichung von Tensorflow 2.0 hat Tensorflow gegenüber anderen Frameworks an Einfluss gewonnen, aber seine Community wächst noch und manchmal ist es sehr schwierig, Antworten zu finden, wenn man bei der Arbeit feststeckt. **Welche Probleme löst TensorFlow für Sie, und wie profitieren Sie davon?** Für das Modelltraining haben wir größtenteils TensorFlow verwendet, da es eine Bereitstellung auf mehreren Plattformen ermöglicht. ### 3. Ein großartiges, menschenlesbares maschinelles Lern-Framework **Rating:** 5.0/5.0 stars **Reviewed by:** Verifizierter Benutzer in Computersoftware | Unternehmen mittlerer Größe (51-1000 Mitarbeiter) **Reviewed Date:** July 15, 2019 **Was gefällt Ihnen an TensorFlow am besten?** Tensorflow ist kostenlos, es ist einfach zu installieren und in Betrieb zu nehmen und zudem leichtgewichtig. Am besten ist, dass Tensorflow menschenlesbar ist, im Gegensatz zu den meisten anderen Deep-Learning-Frameworks, die das Leben schwer machen. Tensorflow wird von Google entwickelt und lässt sich nahtlos in alle ihre bestehenden Produkte integrieren, was die Bereitstellung sehr einfach macht. Es ist auch ein sehr schneller und effizienter Backend für Modelle. **Was gefällt Ihnen an TensorFlow nicht?** Wie alle Deep-Learning-Frameworks benötigt es viele Daten, um ein damit aufgebautes Netzwerk zu trainieren, aber das ist kaum überraschend. **Empfehlungen für andere, die TensorFlow in Betracht ziehen:** Mit Tensorflow kannst du schnell deine Machine-Learning-Frameworks erstellen. Es ist gut dokumentiert und sehr einfach zu verwenden. **Welche Probleme löst TensorFlow für Sie, und wie profitieren Sie davon?** Ich konnte schnell mehrere Machine-Learning- und Deep-Learning-Modelle entwickeln und bereitstellen. Tensorflow ermöglichte es mir auch, KI-bezogene Aufgaben zu erledigen, die zuvor aufgrund der Kosten anderer Deep-Learning-Frameworks außerhalb meiner Reichweite lagen. ### 4. Tensorflow Deep-Learning-Framework **Rating:** 4.5/5.0 stars **Reviewed by:** Verifizierter Benutzer in Telekommunikation | Unternehmen (> 1000 Mitarbeiter) **Reviewed Date:** January 02, 2020 **Was gefällt Ihnen an TensorFlow am besten?** Tensorflow ist das in Python verfügbare Paket zur Erstellung von neuronalen Netzwerken. Der beste Teil von Tensorflow ist, dass wir komplexe maschinelle Lernmodelle in nur wenigen Codezeilen erstellen können. **Was gefällt Ihnen an TensorFlow nicht?** Manchmal habe ich das Gefühl, dass mit zunehmender Komplexität der Daten die Geschwindigkeit zum Problem wird. Es dauert länger. **Empfehlungen für andere, die TensorFlow in Betracht ziehen:** Es ist eine der besten Möglichkeiten, Ihr neuronales Netzwerk mit wenigen Zeilen Code zu trainieren, zu testen und zu entwickeln. **Welche Probleme löst TensorFlow für Sie, und wie profitieren Sie davon?** Ich erstelle komplexe maschinelle Lernmodelle und entwickle tiefe neuronale Netzwerke für einige meiner Aufgaben. ### 5. ein CNN für meine Daten erstellen **Rating:** 5.0/5.0 stars **Reviewed by:** Verifizierter Benutzer in Computersoftware | Kleinunternehmen (50 oder weniger Mitarbeiter) **Reviewed Date:** November 19, 2019 **Was gefällt Ihnen an TensorFlow am besten?** Viele meiner Kollegen und die Universität nutzen dies, also gibt es viele Beispiele. **Was gefällt Ihnen an TensorFlow nicht?** Es sollte Code-Erweiterungen für einige Funktionen haben, um den Code sauberer zu halten. **Empfehlungen für andere, die TensorFlow in Betracht ziehen:** Es ist notwendig in meinem Beruf. **Welche Probleme löst TensorFlow für Sie, und wie profitieren Sie davon?** Entwicklung eines ML-Modells für meine Daten, habe ein CNN für meine Daten geschrieben. ### 6. TensorFlow Bewertung **Rating:** 4.5/5.0 stars **Reviewed by:** Aanu B. | Assistant Consultant, Kleinunternehmen (50 oder weniger Mitarbeiter) **Reviewed Date:** July 10, 2019 **Was gefällt Ihnen an TensorFlow am besten?** - Es ist einfach zu verwenden (für erfahrene Benutzer) - Es wird häufiger für Forschung verwendet, was TensorFlow regelmäßige Unterstützung und Updates gibt. - Es ist das Backend für eines der einfachsten Frameworks (Keras). **Was gefällt Ihnen an TensorFlow nicht?** - Es ist schwer zu lernen (für Anfänger in der KI) **Welche Probleme löst TensorFlow für Sie, und wie profitieren Sie davon?** Ich verwende TensorFlow, um Deep-Learning-Modelle für Objekterkennung und Bildklassifizierung zu erstellen. ### 7. TensorFlow ist die Lernkurve wert. **Rating:** 5.0/5.0 stars **Reviewed by:** Andrew C. | Digital Signal Processing Engineer, Verteidigung und Raumfahrt, Unternehmen (> 1000 Mitarbeiter) **Reviewed Date:** October 12, 2018 **Was gefällt Ihnen an TensorFlow am besten?** Ich mag, wie einfach TensorFlow den Aufbau von ML-Modellen macht, ohne die Fähigkeiten zur Implementierung auf niedriger Ebene zu opfern. Es umfasst eine Vielzahl von vorgefertigten Modellen und Modellunterblöcken, die mit einfachen Python-Skripten zusammengefügt werden können. TensorFlow übernimmt die Implementierungsdetails nahtlos und ermöglicht es Ihnen, die zugrunde liegende Hardware, sei es GPU, CPU oder TPU, zu abstrahieren. Wir müssen nicht darüber nachdenken, welche Art von Faltungsalgorithmus wir verwenden, es sei denn, wir wollen es unbedingt. Die Datenaufnahme-Pipeline macht die Handhabung von Hunderten von GB an Daten zu einer einfachen Aufgabe. Kein Laden mehr von allem in den RAM oder Sorgen über Dateizugriff und -formatierung. Es hat seinen Preis und ist nicht so intuitiv, wie es sein könnte, aber es lohnt sich, es zu lernen, wenn Sie ernsthaft an angewandtem maschinellem Lernen interessiert sind oder einfach nur experimentieren. **Was gefällt Ihnen an TensorFlow nicht?** Ich mag das Define-and-Run-Modell von TensorFlow nicht. Es ist unintuitiv und führt gelegentlich zu umständlichen Lösungen. Es unterscheidet sich vom Define-by-Run-Modell der anderen großen ML-Frameworks, was für viele eine Zugangshürde darstellt. Ich mag auch die Struktur von Variablen als Tensors nicht. Es ist oft unklar, ob Ihre Variablen Tensors oder einfache Python-Typen sein müssen. Sobald man den Umgang mit TensorFlow beherrscht, wird es offensichtlich, aber etwas so Einfaches wie Variablendefinitionen sollte nicht so undurchsichtig sein. **Empfehlungen für andere, die TensorFlow in Betracht ziehen:** Es ist die Lernkurve wert. Google hat eine fantastische Einführungsreihe sowohl über maschinelles Lernen als auch speziell über TensorFlow, die ich sehr empfehle. **Welche Probleme löst TensorFlow für Sie, und wie profitieren Sie davon?** Wir erstellen Modelle mit Tensorflow, die aus unseren Datensätzen lernen können, um Proben genau zu klassifizieren. Zuvor erforderte der Bau dieser Modelle hochspezifisches Fachwissen und wurde für jede Datenklasse auf eine Ad-hoc-Weise erstellt. Tensorflow ermöglicht es uns, ein Modell zu erstellen, das viel einfacher angepasst und verändert werden kann. ### 8. Tensorflow 2.0 **Rating:** 3.5/5.0 stars **Reviewed by:** Verifizierter Benutzer in Computersoftware | Kleinunternehmen (50 oder weniger Mitarbeiter) **Reviewed Date:** June 28, 2019 **Was gefällt Ihnen an TensorFlow am besten?** Tensorflow hat sich seit Tensorflow 2.0 zum besten Deep-Learning-Framework entwickelt. Es ist schneller, bietet neue Funktionalitäten und verwendet sowohl einen dynamischen als auch einen statischen Flussgraphen, was es sowohl für die Produktion als auch für Tests geeignet macht. **Was gefällt Ihnen an TensorFlow nicht?** Ich sehe nicht wirklich, was mir an TensorFlow 2.0 nicht gefällt. Es hat alles bereit, außer dass es nicht so einfach zu lernen ist. **Empfehlungen für andere, die TensorFlow in Betracht ziehen:** Ich empfehle TensorFlow Unternehmen, die sich mit maschinellem Lernen und künstlicher Intelligenz beschäftigen. Es ist eine gute API für diese Dinge. **Welche Probleme löst TensorFlow für Sie, und wie profitieren Sie davon?** Ich habe in den meisten meiner Machine-Learning-Wettbewerbe TensorFlow verwendet, um Machine-Learning-Modelle zu erstellen, hauptsächlich Bildklassifizierungsmodelle. ### 9. Es täglich verwenden **Rating:** 4.5/5.0 stars **Reviewed by:** Verifizierter Benutzer in Computersoftware | Kleinunternehmen (50 oder weniger Mitarbeiter) **Reviewed Date:** October 02, 2019 **Was gefällt Ihnen an TensorFlow am besten?** Ich mag die neue Version 2.0, weil sie den Keras-Workflow mit TF und verteiltem Rechnen beinhaltet. **Was gefällt Ihnen an TensorFlow nicht?** Ich mag es am wenigsten, dass es eine Low-Level-API ist, wir müssen Platzhalter und Sitzungen definieren. **Welche Probleme löst TensorFlow für Sie, und wie profitieren Sie davon?** Deep Learning kann ohne Tensorflow und Keras nicht einfach sein. ### 10. Ausgezeichnete Bibliothek für Deep Learning **Rating:** 5.0/5.0 stars **Reviewed by:** Verifizierter Benutzer in Forschung | Unternehmen mittlerer Größe (51-1000 Mitarbeiter) **Reviewed Date:** April 25, 2019 **Was gefällt Ihnen an TensorFlow am besten?** Die intuitive Art und Weise, wie alle Methoden interagieren. Es ist eine äußerst benutzerfreundliche Hülle für Deep-Learning-Projekte und -Forschung. Ermöglicht schnelles Prototyping der Modelle. **Was gefällt Ihnen an TensorFlow nicht?** Es stehen große Veränderungen bevor. Die Menschen müssen möglicherweise einige der Methoden, die sie zur Nutzung der Bibliothek verwenden, neu erlernen. Mit jedem Update gibt es einige wirklich lästige Abwertungswarnungen. **Empfehlungen für andere, die TensorFlow in Betracht ziehen:** Es ist ein großartiges Werkzeug, um Modelle für Forschung und Projekte zu prototypisieren. Allerdings könnte es angesichts der vielen Abwertungswarnungen besser sein, Keras zu lernen. **Welche Probleme löst TensorFlow für Sie, und wie profitieren Sie davon?** Ich habe TensorFlow intensiv für all meine Projekte in meinem Graduiertenkurs über Deep Learning verwendet. Ich nutze es sogar für meine Forschung. ### 11. Wenn Sie maschinelles Lernen betreiben... **Rating:** 5.0/5.0 stars **Reviewed by:** Verifizierter Benutzer in Finanzdienstleistungen | Unternehmen (> 1000 Mitarbeiter) **Reviewed Date:** August 08, 2019 **Was gefällt Ihnen an TensorFlow am besten?** Ziemlich den Kampf gewonnen, welche Bibliothek für maschinelles Lernen verwendet werden soll. Hat alles, was man für grundlegende Bausteine von groß angelegten Berechnungen benötigt. **Was gefällt Ihnen an TensorFlow nicht?** Nicht viele Nachteile, da jeder TensorFlow verwendet. Ein wenig schwierig, es mit einer GPU einzurichten. **Empfehlungen für andere, die TensorFlow in Betracht ziehen:** Verwenden Sie es für alle maschinellen Lernprobleme! **Welche Probleme löst TensorFlow für Sie, und wie profitieren Sie davon?** Maschinelles Lernen Probleme ### 12. Zu unordentlich **Rating:** 3.0/5.0 stars **Reviewed by:** Verifizierter Benutzer in Computersoftware | Kleinunternehmen (50 oder weniger Mitarbeiter) **Reviewed Date:** May 25, 2019 **Was gefällt Ihnen an TensorFlow am besten?** Der statische Berechnungsgraph ist ein sehr gutes Konzept. Die API hat normalerweise Implementierungen für fast alles, was man benötigen würde. **Was gefällt Ihnen an TensorFlow nicht?** Die Dokumentation ist nicht sehr gut. Die API ist zu chaotisch - es gibt mehrere Funktionen, die dasselbe mit kleinen Unterschieden tun, und wenig Dokumentation über diese Unterschiede. Boilerplate-Code ist auch normalerweise lang. Die API ist insgesamt umständlich zu verwenden. **Welche Probleme löst TensorFlow für Sie, und wie profitieren Sie davon?** Ich habe TensorFlow für mehrere Projekte im Zusammenhang mit Textklassifikation verwendet. ### 13. Meine Erfahrung mit Tensorflow als Doktorand **Rating:** 5.0/5.0 stars **Reviewed by:** Verifizierter Benutzer in Computersoftware | Unternehmen mittlerer Größe (51-1000 Mitarbeiter) **Reviewed Date:** February 17, 2019 **Was gefällt Ihnen an TensorFlow am besten?** Schwere maschinelle Lernmodelle können auf den optimierten tiefen Lernmodellen aufgebaut werden, die von Tensorflow integriert werden. Die Kompatibilität mit anderen Frameworks ermöglicht es, auf Produktionsebene zu optimieren. **Was gefällt Ihnen an TensorFlow nicht?** Die Modelle können etwas schwerer in mobilen Anwendungen zu implementieren sein, wenn der Platz begrenzt ist. Daher ist die Ausführung auch langsam. Wenn Google sie in mehrere Module aufteilen könnte, die je nach Gerät Platzänderungen vornehmen. **Welche Probleme löst TensorFlow für Sie, und wie profitieren Sie davon?** In unserer Organisation haben wir Variationen des TensorFlow Inception-Modells hauptsächlich für die Bildklassifizierung und Bildkategorisierung von zufälligen Daten verwendet, um die Leistung mit anderen Bibliotheken zu vergleichen und unsere Forschung zu veröffentlichen. ### 14. Erstaunliche Bibliothek, wenn Sie Experte im maschinellen Lernen sind, **Rating:** 4.0/5.0 stars **Reviewed by:** Ahmad A. | Research Assistant , Kleinunternehmen (50 oder weniger Mitarbeiter) **Reviewed Date:** November 04, 2018 **Was gefällt Ihnen an TensorFlow am besten?** Es ist erstaunlich schnell, es arbeitet parallel und unterstützt GPU. **Was gefällt Ihnen an TensorFlow nicht?** Die Idee von Tensoren wird auf der offiziellen Website nicht sehr gut erklärt, und das führt dazu, dass der Benutzer in Panik gerät, wenn er die grundlegendste Idee davon nach einer Stunde Recherche nicht versteht. **Empfehlungen für andere, die TensorFlow in Betracht ziehen:** Wenn Sie Schwierigkeiten haben, diese Bibliothek zu meistern, wird das Erstellen fantastischer maschineller Lernmodelle Spaß machen und einfach sein, sobald Sie wissen, wie man sie richtig verwendet. **Welche Probleme löst TensorFlow für Sie, und wie profitieren Sie davon?** Ich bin Forscher und Ingenieur, ich kombiniere mein Wissen über maschinelles Lernen mit der Nutzung von TensorFlow, um es auf reale Ingenieuranwendungen anzuwenden. ### 15. Neuronale Netzwerke in unter 50 Zeilen schreiben **Rating:** 5.0/5.0 stars **Reviewed by:** Lucifer M. | Freelance Web Developer **Reviewed Date:** November 29, 2018 **Was gefällt Ihnen an TensorFlow am besten?** - Tensorflow ist eines der besten Frameworks für Deep Learning und maschinelles Lernen bei großen Datensätzen. - Der Datensatz kann Millionen von Datensätzen enthalten und terabytegroß sein. **Was gefällt Ihnen an TensorFlow nicht?** - Tensorflow kann langsam sein, wenn mit großen Dateien gearbeitet wird. Eine GPU könnte erforderlich sein, um bei der Verarbeitung zu helfen. **Welche Probleme löst TensorFlow für Sie, und wie profitieren Sie davon?** Ich habe ein neuronales Netzwerk auf CDC-Quellendatensätzen erstellt, um Vorhersagen zu treffen. Nachdem ich an vielen Krankheiten gearbeitet und individuelle Modelle erstellt hatte, entwickelte ich eine prädiktive Modellplattform, um mehrere neuronale Netzwerke gleichzeitig für verschiedene Krankheiten auszuführen. ### 16. Einfache Implementierung von neuronalen Netzwerken **Rating:** 4.5/5.0 stars **Reviewed by:** Tanmayan P. | Volunteer Student Researcher, Kleinunternehmen (50 oder weniger Mitarbeiter) **Reviewed Date:** February 12, 2019 **Was gefällt Ihnen an TensorFlow am besten?** Der Großteil der Funktionalität wird auf einem sehr hohen Niveau abstrahiert. Zum Beispiel muss ich nur den Befehl optimizer.optimize() ausführen, um über mein gesamtes Netzwerk zurückzupropagieren. **Was gefällt Ihnen an TensorFlow nicht?** Manchmal ist das Debuggen sehr schwierig, da wir die Variablenwerte nicht sehen können, es sei denn, eine TF.session wird gestartet. **Welche Probleme löst TensorFlow für Sie, und wie profitieren Sie davon?** Neurales Netzwerkdesign und Testen neuer Algorithmen ### 17. Erkunde IA **Rating:** 4.5/5.0 stars **Reviewed by:** Verifizierter Benutzer in Bergbau & Metalle | Unternehmen (> 1000 Mitarbeiter) **Reviewed Date:** May 20, 2019 **Was gefällt Ihnen an TensorFlow am besten?** Es ist Open Source und sehr nützlich im Deep Learning. **Was gefällt Ihnen an TensorFlow nicht?** Einige Komplexität ist schwer für Anfänger zu nutzen. **Welche Probleme löst TensorFlow für Sie, und wie profitieren Sie davon?** Bildklassifizierung ### 18. schnelle, zuverlässige und erstaunliche maschinelle Lernbibliothek **Rating:** 5.0/5.0 stars **Reviewed by:** Verifizierter Benutzer in Forschung | Unternehmen (> 1000 Mitarbeiter) **Reviewed Date:** November 09, 2018 **Was gefällt Ihnen an TensorFlow am besten?** Es deckt eine breite Palette von maschinellen Lernproblemen ab, überwacht, unüberwacht, Verstärkungslernen ... sehr schnell möglich, parallel auszuführen. **Was gefällt Ihnen an TensorFlow nicht?** Für Anfänger kann es sehr verwirrend sein, und sie können leicht auf den verschiedenen Seiten des offiziellen Tutorials stecken bleiben. Ich glaube, das Tutorial könnte einige Einführungsvideos gebrauchen. **Welche Probleme löst TensorFlow für Sie, und wie profitieren Sie davon?** Anwendung von maschinellem Lernen bei Ingenieurproblemen, wir lösen Energieingenieurprobleme mit Hilfe von ML unter Verwendung von Tensorflow. ### 19. sehr intuitive und leistungsstarke Plattform. **Rating:** 5.0/5.0 stars **Reviewed by:** james t. | Sr Manager - Legal, GRC, and Chemicals Mgmt, Unternehmen mittlerer Größe (51-1000 Mitarbeiter) **Reviewed Date:** November 28, 2018 **Was gefällt Ihnen an TensorFlow am besten?** Bietet eine großartige Plattform zur Entwicklung im KI-Bereich, um Geschäftswert effizient zu liefern. **Was gefällt Ihnen an TensorFlow nicht?** Keine zu diesem Zeitpunkt, da wir uns noch in der POC-Phase befinden. **Welche Probleme löst TensorFlow für Sie, und wie profitieren Sie davon?** KI-Proof-of-Concept im Rechts- und Compliance-Bereich zur Unterstützung der Formulierung einer KI-Strategie. ### 20. Großartige Bibliothek für die Durchführung von Deep Learning **Rating:** 5.0/5.0 stars **Reviewed by:** Verifizierter Benutzer in Halbleiter | Unternehmen (> 1000 Mitarbeiter) **Reviewed Date:** November 28, 2018 **Was gefällt Ihnen an TensorFlow am besten?** Großartige Dokumentation, geschrieben vom Tensorflow-Team von Google, und viel Engagement der Community. Die meisten Fragen zu Tensorflow haben Antworten, die von der Community verfügbar sind. **Was gefällt Ihnen an TensorFlow nicht?** Die Bibliotheksschnittstelle ist im Vergleich zu anderen Python-Schnittstellen wie Keras etwas niedriger angesiedelt, aber die Entwicklererfahrung hat sich verbessert. **Empfehlungen für andere, die TensorFlow in Betracht ziehen:** Nützlich für Deep Learning. **Welche Probleme löst TensorFlow für Sie, und wie profitieren Sie davon?** Durchführung von überwachten Lernverfahren bei Geschäftsproblemen, die Vorhersagen erfordern. Wir haben Kosteneinsparungen durch die Ergebnisse unserer Vorhersagen realisiert. ### 21. TensorFlow Bewertung **Rating:** 5.0/5.0 stars **Reviewed by:** Banjo O. | Senior Software Engineer, Unternehmen mittlerer Größe (51-1000 Mitarbeiter) **Reviewed Date:** November 28, 2018 **Was gefällt Ihnen an TensorFlow am besten?** Viele Dinge, die Sie tun können, um Modelle zu erstellen. **Was gefällt Ihnen an TensorFlow nicht?** Sehr komplex, da es viele manuelle Schritte gibt. **Welche Probleme löst TensorFlow für Sie, und wie profitieren Sie davon?** Maschinelles Lernen in der Cloud ### 22. Eine leistungsstarke Deep-Learning-Bibliothek mit einigen rauen Kanten **Rating:** 3.5/5.0 stars **Reviewed by:** Verifizierter Benutzer in Computersoftware | Unternehmen mittlerer Größe (51-1000 Mitarbeiter) **Reviewed Date:** July 25, 2018 **Was gefällt Ihnen an TensorFlow am besten?** Automatische Differenzierung und Unterstützung für Rückwärtspropagation durch viele nützliche mathematische Operationen. Tensorboard-Schnittstelle zur Überwachung und Visualisierung. **Was gefällt Ihnen an TensorFlow nicht?** Das Programmiermodell ist etwas umständlich und hinter den Kulissen auf globalen Zustand angewiesen. Für jede Aufgabe scheint es mehrere inkompatible Möglichkeiten zu geben, sie zu erreichen, mit unterschiedlich umfangreicher Dokumentation. Die API ist ein Durcheinander, mit vielen verschiedenen High-Level-Schnittstellen. Es gibt keinen standardisierten Workflow, was das Mischen und Anpassen von Modellen aus verschiedenen Quellen sehr schwierig macht. **Empfehlungen für andere, die TensorFlow in Betracht ziehen:** Betrachten Sie sorgfältig die Alternativen, wie zum Beispiel PyTorch, das die Entwicklung erleichtern kann, indem es sich speziell auf Python und die Pythonische Art des Programmierens konzentriert (obwohl möglicherweise auf Kosten der Flexibilität). **Welche Probleme löst TensorFlow für Sie, und wie profitieren Sie davon?** Training von Deep-Learning-Modellen zur Videoanalyse. Nach den anfänglichen Hürden erledigt es die Aufgabe. ### 23. Leistungsstarke maschinelle Lernbibliothek! **Rating:** 5.0/5.0 stars **Reviewed by:** Verifizierter Benutzer in Informationsdienste | Kleinunternehmen (50 oder weniger Mitarbeiter) **Reviewed Date:** June 14, 2018 **Was gefällt Ihnen an TensorFlow am besten?** Tensorflow ist eine äußerst leistungsstarke Bibliothek, die Benutzer für Klassifikation, Regression oder eine Vielzahl komplexer neuronaler Netzwerkmodelle wie GANs und CNNs verwenden können. Es kann auch als Backend für Keras oder andere höherstufige Bibliotheken verwendet werden. **Was gefällt Ihnen an TensorFlow nicht?** Die API lässt zu wünschen übrig, da sie ziemlich komplex und unübersichtlich werden kann, je mehr Code man schreibt. Es ist wichtig, dass die Organisation des Codes besser gehandhabt wird. Außerdem kann sie bei sehr großen Anwendungen langsamer sein als konkurrierende Bibliotheken wie Torch. **Empfehlungen für andere, die TensorFlow in Betracht ziehen:** Lerne zuerst Deep Learning, da die API extrem spezifisch für diejenigen im Bereich der KI ist. **Welche Probleme löst TensorFlow für Sie, und wie profitieren Sie davon?** Wir verwenden es, um Klassifikations- und Regressionspipelines für unsere Kunden zu erstellen, zum Beispiel bei der Vorhersage landwirtschaftlicher Erträge. ### 24. Maschinelles Lernen Trend **Rating:** 4.5/5.0 stars **Reviewed by:** Verifizierter Benutzer in Computersoftware | Unternehmen (> 1000 Mitarbeiter) **Reviewed Date:** January 08, 2019 **Was gefällt Ihnen an TensorFlow am besten?** 1: Umfangreiche Bibliotheken 2: Unterstützung 3: Dokumentation **Was gefällt Ihnen an TensorFlow nicht?** 1: Beispiel, das das Tutorial verwendet. 2: Tutorial. **Welche Probleme löst TensorFlow für Sie, und wie profitieren Sie davon?** Ich benutze TensorFlow, um Daten zu analysieren. ### 25. Anwendbarkeit von TensorFlow für Forschungszwecke **Rating:** 4.0/5.0 stars **Reviewed by:** Verifizierter Benutzer in Biotechnologie | Kleinunternehmen (50 oder weniger Mitarbeiter) **Reviewed Date:** November 27, 2018 **Was gefällt Ihnen an TensorFlow am besten?** Die von TensorFlow abgedeckten Modelle sind großartig für Forschungszwecke und die bereitgestellten Beispiele sind gut. **Was gefällt Ihnen an TensorFlow nicht?** mehr Beispiele, die mehrere Forschungsfelder abdecken, könnten abgedeckt werden **Welche Probleme löst TensorFlow für Sie, und wie profitieren Sie davon?** Forschung an der Universität zur Vorhersage des Verhaltens von Studierenden ### 26. das beste da draußen **Rating:** 5.0/5.0 stars **Reviewed by:** Verifizierter Benutzer in Landwirtschaft | Unternehmen (> 1000 Mitarbeiter) **Reviewed Date:** October 06, 2018 **Was gefällt Ihnen an TensorFlow am besten?** Die TensorFlow-API ist die beste, und das auf dem Desktop erstellte Modell kann überall verwendet werden. Und die Verfügbarkeit von vortrainierten Modellen ist ein weiterer großer Vorteil. **Was gefällt Ihnen an TensorFlow nicht?** Es ist etwas schwierig für jemanden ohne Programmierkenntnisse, Modelle zu trainieren und zu erstellen. **Empfehlungen für andere, die TensorFlow in Betracht ziehen:** Sollte eine Benutzeroberfläche für die Bereitstellung neuer Modelle und deren Training entwickeln. **Welche Probleme löst TensorFlow für Sie, und wie profitieren Sie davon?** ML und Vorhersagen ### 27. Tolles Werkzeug, den steilen Lernprozess wert. **Rating:** 4.5/5.0 stars **Reviewed by:** Raul G. | Kleinunternehmen (50 oder weniger Mitarbeiter) **Reviewed Date:** October 19, 2017 **Was gefällt Ihnen an TensorFlow am besten?** Mit TensorFlow kann man so ziemlich alles im weiten Bereich des maschinellen Lernens tun. Aber das Erstaunliche daran ist, dass man diese Software auch verwenden kann, um mathematische Probleme außerhalb des maschinellen Lernens zu lösen. Die Verwendung von Berechnungsgraphen zusammen mit TensorBoard macht die Modellvisualisierung sehr intuitiv. **Was gefällt Ihnen an TensorFlow nicht?** Die Lernkurve kann ziemlich steil sein, wenn man, wie ich, ohne Kenntnisse der Philosophie des Berechnungsmodells von TensorFlow beginnt. Sobald man den Dreh raus hat, kann es ziemlich lohnend sein. Da die Software ziemlich häufig aktualisiert wird, scheint die Dokumentation nicht so genau zu sein, wie sie sein könnte, was zu einigen Kopfschmerzen führt. **Empfehlungen für andere, die TensorFlow in Betracht ziehen:** Es mag ein wenig überwältigend erscheinen, aber es ist ein erstaunliches Werkzeug zu meistern und eine großartige Philosophie der Berechnung zu verstehen und zu folgen. **Welche Probleme löst TensorFlow für Sie, und wie profitieren Sie davon?** Ich arbeite mit Zeitreihenprognosemodellen, und TensorFlow ermöglicht ein ziemlich schnelles Prototyping, während es einen großen Grad an Freiheit in Bezug auf Modellmerkmale bietet, die man einbeziehen kann. ### 28. Ein kurzer Weg zur künstlichen Intelligenz **Rating:** 5.0/5.0 stars **Reviewed by:** Derek P. | Kleinunternehmen (50 oder weniger Mitarbeiter) **Reviewed Date:** April 26, 2018 **Was gefällt Ihnen an TensorFlow am besten?** TensorFlow ist eine Plattform, die sehr einfach zu lernen, aber schwer zu meistern ist. Aufgrund der großen Menge an Codebeispielen ist es sehr einfach, kopfüber in Künstliche Intelligenz einzutauchen. **Was gefällt Ihnen an TensorFlow nicht?** Obwohl sehr ausführliche TensorFlow-Dokumentation sehr überwältigend wirken kann. **Empfehlungen für andere, die TensorFlow in Betracht ziehen:** Nicht überstürzen, langsam angehen und die Informationen berücksichtigen. **Welche Probleme löst TensorFlow für Sie, und wie profitieren Sie davon?** Ich habe TensorFlow in meine Bildklassifizierungslösungen integriert. Aufgrund der Kompatibilität mit Android- und iOS-Geräten ist TensorFlow in viele unserer Apps integriert. ### 29. Das maschinelle Lernen Schweizer Taschenmesser **Rating:** 3.5/5.0 stars **Reviewed by:** Verifizierter Benutzer in Computersoftware | Unternehmen mittlerer Größe (51-1000 Mitarbeiter) **Reviewed Date:** January 30, 2018 **Was gefällt Ihnen an TensorFlow am besten?** Die Fähigkeit, Code zu schreiben, der problemlos auf mehrere CPUs/GPUs skaliert. Seit Version 1.0 gibt es höherstufige Module, die Keras-ähnliche Funktionalitäten bieten (z.B. Schichten, Metriken). Außerdem ist es definitiv produktionsreif. Das Beste jedoch ist das Tensorboard-Tool, das zur Fehlersuche bei den implementierten Algorithmen verwendet werden kann. **Was gefällt Ihnen an TensorFlow nicht?** Die Einrichtung der GPU-Unterstützung unter Windows kann schwierig sein, je nachdem, wie komplex die Umgebung ist. Während Tensorboard ein großartiges Werkzeug ist, bleiben seine Seiten manchmal "hängen" und zwingen dazu, den Tensorboard-Server erneut zu laden. Die Lernkurve könnte steiler sein als bei Keras, das die meiste Komplexität verbirgt. **Empfehlungen für andere, die TensorFlow in Betracht ziehen:** Ich würde dringend empfehlen, Keras für das Prototyping zu verwenden, bevor Sie direkt in TensorFlow einsteigen. Der Einstieg mit Keras ist viel einfacher und ebnet den Weg zur Implementierung des Endprodukts mit TensorFlow. **Welche Probleme löst TensorFlow für Sie, und wie profitieren Sie davon?** TensorFlow ist eine schöne, niedrig/mittlere API, um Produktionssoftware zu entwickeln, die sich mit maschinellem Lernen befasst. Es ist stabil, sodass der Aufbau von Produkten im großen Maßstab für den Produktionseinsatz kein Problem darstellt. Dies wird als Backend verwendet, um Spracherkennungsmodelle zu trainieren. ### 30. Deep Learning leicht gemacht mit TensorFlow **Rating:** 4.5/5.0 stars **Reviewed by:** Verifizierter Benutzer in Informationstechnologie und Dienstleistungen | Unternehmen (> 1000 Mitarbeiter) **Reviewed Date:** October 06, 2017 **Was gefällt Ihnen an TensorFlow am besten?** Die Einfachheit beim Erstellen von Deep-Learning-Modellen und die hochgradigen APIs. Man kann alle Arten von Architekturen im Bereich des Deep Learning erstellen. Man kann es verwenden, um Modelle zu bauen, die Computer-Vision-Probleme lösen, Sprach- und Textanalysen durchführen, Seq2Seq-Modelle erstellen. Es unterstützt wichtige Algorithmen wie ConvNets, RNN, LSTMs, Seq2Seq. Es enthält auch einige der vortrainierten Modelle, die angepasst und mit neuen Datensätzen trainiert werden können. Es kann auch ohne viel Konfiguration auf Multi-GPU-Systeme skaliert werden. **Was gefällt Ihnen an TensorFlow nicht?** Einige der Benchmark-Ergebnisse zeigen, dass es nicht schnell trainiert, ich hoffe, das Team arbeitet daran, es schneller zu machen. Außerdem sind keine anderen ML-Modelle zum Vergleich enthalten. **Empfehlungen für andere, die TensorFlow in Betracht ziehen:** Es hat eine gute Dokumentation, und es gibt viele Online-Kurse, um die Ressourcen zu schulen. Es werden regelmäßig neue Funktionen hinzugefügt und es bietet große Flexibilität in Bezug auf die Nutzung gängiger APIs. Bei Bedarf kann man auch Rechengraphen verwenden, um die Modelle nach Bedarf zu erstellen und anzupassen. **Welche Probleme löst TensorFlow für Sie, und wie profitieren Sie davon?** Wir versuchen, ein mehrschichtiges neuronales Netzwerk im Bereich der Kundenanalyse zu verwenden. Wir nutzen verschiedene Modelle und TensorFlow ist mit der High-Level-API einfach zu implementieren. Persönlich habe ich es beim Aufbau von Prognosemodellen, Sentiment-Analyse, Textanalyse, Sprachübersetzung und generativen gegnerischen Netzwerken verwendet. Die Implementierung für alle Modelle war sehr einfach und es bot große Vorteile in Bezug auf die effiziente Nutzung von Multi-GPU-Systemen. ### 31. Wirklich gut für KI/ML-basierte Anwendungsfälle **Rating:** 4.0/5.0 stars **Reviewed by:** Krishnan V. | Chief Sales Officer, Informationsdienste, Unternehmen mittlerer Größe (51-1000 Mitarbeiter) **Reviewed Date:** February 01, 2018 **Was gefällt Ihnen an TensorFlow am besten?** Hilft, das neuronale Netzwerk gut einzurichten - empfehle es dringend Wir haben es intern verwendet und bewertet, wie es zu nutzen ist. **Was gefällt Ihnen an TensorFlow nicht?** Wirklich nichts daran auszusetzen - vielleicht mehr Flexibilität. **Empfehlungen für andere, die TensorFlow in Betracht ziehen:** Was sind die Anwendungsfälle, bevor Sie die Plattform nutzen. Ziemlich intuitiv und einfach zu bedienen. **Welche Probleme löst TensorFlow für Sie, und wie profitieren Sie davon?** - Bessere Markteinführungszeit - Einfachere Bereitstellung von Lösungen auf dem Markt - Neuere Fähigkeiten entwickeln ### 32. Einfacher Weg, komplexe Modelle zu bauen **Rating:** 4.0/5.0 stars **Reviewed by:** Verifizierter Benutzer in Informationstechnologie und Dienstleistungen | Unternehmen (> 1000 Mitarbeiter) **Reviewed Date:** February 01, 2018 **Was gefällt Ihnen an TensorFlow am besten?** Ich mag, wie einfach TensorFlow es macht, ein einfaches neuronales Netzwerk zu erstellen. Man kann in wenigen Minuten ein Modell zum Laufen bringen, aber TensorFlow bietet fortgeschrittenen Benutzern dennoch die Möglichkeit, Modelle stark anzupassen. **Was gefällt Ihnen an TensorFlow nicht?** Ich wünschte, die Dokumentation für TensorFlow wäre detaillierter. Manchmal habe ich Schwierigkeiten, Antworten auf einige Fragen zu finden, die ich zu TensorFlow habe. **Welche Probleme löst TensorFlow für Sie, und wie profitieren Sie davon?** Ich versuche, genauere prädiktive Modelle in der Kreditbranche zu erstellen. Tensorflow hat geholfen, die Genauigkeit bestehender Modelle, die mit anderer Software erstellt wurden, um einige Prozent zu verbessern. ### 33. Beste Open-Source-Bibliothek für Deep Learning da draußen **Rating:** 5.0/5.0 stars **Reviewed by:** Verifizierter Benutzer in Medizinische Geräte | Kleinunternehmen (50 oder weniger Mitarbeiter) **Reviewed Date:** January 24, 2018 **Was gefällt Ihnen an TensorFlow am besten?** TensorFlow verwendet Python, was praktisch ist. Seine numerische Kompatibilität mit NumPy ist großartig. Wir können die Modelle speichern und wiederverwenden, was sehr praktisch ist. **Was gefällt Ihnen an TensorFlow nicht?** Die Lernkurve ist etwas steil. Die Tutorials auf der Website können ausführlicher erklärt werden. **Empfehlungen für andere, die TensorFlow in Betracht ziehen:** Stärken Sie Ihre Grundlagen in Python, Numpy und ML, bevor Sie TensorFlow verwenden. **Welche Probleme löst TensorFlow für Sie, und wie profitieren Sie davon?** Ich verwende TensorFlow, um komplexe Klassifikationsprobleme zu lösen, insbesondere im Umgang mit Bildern, da Bildverarbeitung und maschinelles/deep learning Hand in Hand gehen bei Klassifikationsproblemen. ### 34. Einfach, schnell und leicht **Rating:** 3.5/5.0 stars **Reviewed by:** Naveen K. | Unternehmen mittlerer Größe (51-1000 Mitarbeiter) **Reviewed Date:** February 02, 2018 **Was gefällt Ihnen an TensorFlow am besten?** Effizienz und die Einfachheit der Bereitstellung während Projekten **Was gefällt Ihnen an TensorFlow nicht?** Hochlaufzeit und manchmal die Ungeschicklichkeit **Welche Probleme löst TensorFlow für Sie, und wie profitieren Sie davon?** Datenverwaltung ### 35. TensorFlow mit Keras über Spark ist eine großartige Lösung. **Rating:** 4.0/5.0 stars **Reviewed by:** Verifizierter Benutzer in Informationstechnologie und Dienstleistungen | Unternehmen (> 1000 Mitarbeiter) **Reviewed Date:** March 20, 2018 **Was gefällt Ihnen an TensorFlow am besten?** Einfachheit der Erstellung und Parametrisierung von Modellen **Was gefällt Ihnen an TensorFlow nicht?** Erfahrene Programmierer werden benötigt, um es einzurichten und die Modelle zu trainieren. **Empfehlungen für andere, die TensorFlow in Betracht ziehen:** Fügen Sie Keras hinzu, um die Automatisierung weiter zu verbessern. **Welche Probleme löst TensorFlow für Sie, und wie profitieren Sie davon?** Prädiktive Analytik Ressourcenoptimierung ### 36. Beste Deep-Learning-Software **Rating:** 5.0/5.0 stars **Reviewed by:** Verifizierter Benutzer in Krankenhaus & Gesundheitswesen | Kleinunternehmen (50 oder weniger Mitarbeiter) **Reviewed Date:** January 31, 2018 **Was gefällt Ihnen an TensorFlow am besten?** Gute Dokumentation, große Unterstützergemeinschaft **Was gefällt Ihnen an TensorFlow nicht?** Lernkurve mit Hintergründen wie Java, DotNet und Javascript usw. **Empfehlungen für andere, die TensorFlow in Betracht ziehen:** Fähigkeit, Modelle zu erstellen und sie einfach mit Tensorflow zu trainieren. Bestes Werkzeug für Datenwissenschaftler. **Welche Probleme löst TensorFlow für Sie, und wie profitieren Sie davon?** Deep-Learning-Modelle zur Vorhersage bestimmter Ergebnisse ### 37. Ein sehr großartiges Werkzeug für Ingenieure, um an Deep Learning zu arbeiten. **Rating:** 4.0/5.0 stars **Reviewed by:** Da T. | Technology Consultant, Informationstechnologie und Dienstleistungen, Unternehmen (> 1000 Mitarbeiter) **Reviewed Date:** February 08, 2017 **Was gefällt Ihnen an TensorFlow am besten?** Es gibt ein sehr großes Ökosystem rund um TensorFlow, wie zum Beispiel TensorBoard zur Visualisierung des Berechnungsgraphen, TensorFlow Serving zur Verwaltung von Modellen in der Produktion, TFSlim zur Vereinfachung des Aufbaus von neuronalen Netzwerken und so weiter. TensorFlow entwickelt sich auch sehr schnell weiter und steht kurz vor der Veröffentlichung von Version 1.0. **Was gefällt Ihnen an TensorFlow nicht?** Es ist ein wenig schwierig für Neulinge zu lernen. Die API ist nicht sehr benutzerfreundlich für Menschen ohne Forschungshintergrund. **Empfehlungen für andere, die TensorFlow in Betracht ziehen:** Menschen, die TensorFlow verwenden möchten, sollten über ausreichende Kenntnisse im Bereich maschinelles Lernen verfügen, insbesondere im Bereich Deep Learning. Es ist nicht so einfach, es in einem GPU-Cluster zu verwenden. Das Erlernen der Nutzung seiner API kostet auch viel Zeit. Aber meiner Meinung nach bietet TensorFlow wirklich die beste Unterstützung im Bereich Engineering unter allen Deep-Learning-Frameworks. Darüber hinaus können Menschen Keras auf TensorFlow verwenden, um Netzwerke einfacher zu erstellen. **Welche Probleme löst TensorFlow für Sie, und wie profitieren Sie davon?** Wir verwenden es, um ein Computer-Vision-Problem als Machbarkeitsnachweis zu lösen. Es funktionierte gut. ### 38. Erstaunlich **Rating:** 5.0/5.0 stars **Reviewed by:** Verifizierter Benutzer in Bildungsmanagement | Unternehmen (> 1000 Mitarbeiter) **Reviewed Date:** October 24, 2017 **Was gefällt Ihnen an TensorFlow am besten?** Die einfache Umgebung, um sich anzupassen. Die Online-Arbeitsgemeinschaft ist großartig... Danke, Leute **Was gefällt Ihnen an TensorFlow nicht?** Einige Abhängigkeiten sind so einfach zu handhaben, RNNs sind im Vergleich zu Theano immer noch etwas unzureichend. **Empfehlungen für andere, die TensorFlow in Betracht ziehen:** Theano **Welche Probleme löst TensorFlow für Sie, und wie profitieren Sie davon?** Entwerfen einer Hardware, um blinden Menschen zu helfen, ihre Liebsten zu erkennen. ## TensorFlow Discussions - [Was ist TensorFlow und warum wird es verwendet?](https://www.g2.com/de/discussions/what-is-tensorflow-and-why-it-is-used) - 2 comments - [View TensorFlow pricing details and edition comparison](https://www.g2.com/de/products/tensorflow/reviews?page=3§ion=pricing&secure%5Bexpires_at%5D=2026-06-05+02%3A53%3A21+-0500&secure%5Bsession_id%5D=460bd18f-1cfb-4c7b-a709-c94156dfaba8&secure%5Btoken%5D=ccf014fdddfeaf2babb454e7e931d15e522ebee2d22df5e107897808c849f655&format=llm_user) ## TensorFlow Integrations - [AWS Lambda](https://www.g2.com/de/products/aws-lambda/reviews) - [Keras](https://www.g2.com/de/products/keras/reviews) - [KeTengo](https://www.g2.com/de/products/ketengo/reviews) - [Python](https://www.g2.com/de/products/python/reviews) - [SpotOn](https://www.g2.com/de/products/spoton/reviews) ## TensorFlow Features **system** - Datenerfassung und -aufbereitung **Modellentwicklung** - Unterstützte Sprachen - Drag-and-Drop - Vorgefertigte Algorithmen - Modell-Training **Modellentwicklung** - Feature-Entwicklung **Machine-/Deep-Learning-Dienste** - Maschinelles Sehen - Verarbeitung natürlicher Sprache - Generierung natürlicher Sprache - Künstliche neuronale Netze **Machine-/Deep-Learning-Dienste** - Verstehen natürlicher Sprache - Deep Learning **Einsatz** - Managed Service - Anwendung - Skalierbarkeit **Generative KI** - KI-Textgenerierung - Textzusammenfassung - Text-zu-Bild **Agentic AI - Datenwissenschafts- und maschinelles Lernplattformen** - Autonome Aufgabenausführung - Mehrstufige Planung - Systemübergreifende Integration - Adaptives Lernen - Natürliche Sprachinteraktion - Proaktive Unterstützung - Entscheidungsfindung ## Top TensorFlow Alternatives - [MATLAB](https://www.g2.com/de/products/matlab/reviews) - 4.5/5.0 (750 reviews) - [Gemini Enterprise Agent Platform](https://www.g2.com/de/products/gemini-enterprise-agent-platform/reviews) - 4.3/5.0 (650 reviews) - [IBM Watson Studio](https://www.g2.com/de/products/ibm-watson-studio/reviews) - 4.2/5.0 (161 reviews)