TensorFlow
deep-learning framework
Framework ML de Google para producción
Lenguajes soportados
Conceptos clave
tensorskeraseager-executionsaved-model
Opciones de deployment:
tf-serving tf-lite tflite-micro
Ventajas y Desventajas
Ventajas
- + Ecosistema de producción maduro
- + TensorFlow Lite para mobile
- + TensorFlow Serving para deploy
- + TensorBoard excelente
- + TPU support nativo
- + Excelente para produccion y deployment
- + TensorFlow Serving para inferencia
- + TensorFlow Lite para mobile/edge
- + Keras integrado como API de alto nivel
- + Gran ecosistema y documentacion
Desventajas
- - API más compleja que PyTorch
- - Tf 1 vs Tf 2 confuso
- - Menos popular en investigación
- - Curva de aprendizaje mayor
- - Curva de aprendizaje empinada
- - API historicamente inconsistente
- - Debugging mas dificil que PyTorch
- - Verbose para prototipado
Casos de Uso
- ML en producción
- ML en mobile (TF Lite)
- Edge deployment
- Sistemas de recomendación
- Modelos en produccion a escala
- Aplicaciones mobile con TF Lite
- Computer vision empresarial
- NLP y transformers
- Edge AI y IoT