TensorFlow, Google 에서 AI 혁신을 위한 강력한 오픈 소스 ML 프레임워크를 살펴보세요. 신경망 모델을 원활하게 구축, 훈련 및 배포하세요!
TensorFlow 수치 연산과 대규모 머신러닝(ML)을 위해 Google Brain 팀에서 개발한 강력한 오픈 소스 라이브러리입니다. 도구, 라이브러리, 커뮤니티 리소스로 구성된 포괄적인 에코시스템을 제공하여 연구자는 인공지능(AI) 분야의 최첨단 기술을 발전시키고 개발자는 ML 기반 애플리케이션을 쉽게 빌드하고 배포할 수 있습니다. 유연한 아키텍처는 서버, TensorFlow Lite를 통한 모바일 장치, TensorFlow.js를 사용하는 웹 브라우저, 엣지 컴퓨팅 장치 등 다양한 플랫폼에 배포할 수 있도록 지원합니다.
TensorFlow 다차원 배열인 텐서를 사용하여 데이터를 처리합니다.TensorFlow라는 이름은 이러한 텐서의 흐름을 계산 그래프로 나타낸 것입니다. 이전 버전에서는 미리 정의된 정적 그래프에 의존했지만, TensorFlow 2.x에서는 기본적으로 열망 실행을 도입하여 표준 Python 프로그래밍과 유사하게 개발 프로세스를 더욱 대화형으로 만들고 디버깅하기 쉽게 만들었습니다. 핵심 기능은 자동 미분으로, 역전파 같은 기술을 통해 신경망(NN) 훈련에 필요한 기울기 계산을 간소화합니다. TensorFlow 고성능 계산을 위해 GPU(그래픽 처리 장치) 와 같은 하드웨어 가속기와 TPU(Tensor 처리 장치) 와 같은 특수 하드웨어를 효율적으로 활용합니다.
TensorFlow 광범위한 에코시스템은 전체 ML 워크플로우를 간소화합니다:
TensorFlow PyTorch 는 딥 러닝(DL)의 두 가지 주요 프레임워크입니다. 역사적으로 TensorFlow (2.0 이전 버전)는 프로덕션 배포에 선호되는 정적 계산 그래프를 사용한 반면, PyTorch 유연성을 위해 연구용으로 선호되는 동적 그래프를 사용했습니다. TensorFlow 2.x의 열성적인 실행으로 이러한 차이는 줄어들었습니다. TensorFlow TensorFlow Serving 및 Lite와 같은 도구로 인해 프로덕션 배포 시나리오에서 뛰어난 성능을 발휘하는 경우가 많습니다. 파이토닉 느낌으로 유명한 PyTorch 연구 커뮤니티에서 일찍이 주목을 받았습니다. 이제 두 프레임워크 모두 연구 및 프로덕션, 광범위한 라이브러리, 대규모 커뮤니티를 강력하게 지원합니다. TensorFlow, PyTorch, OpenCV와 같은 Vision AI 프레임워크의 비교를 살펴볼 수 있습니다.
TensorFlow 다목적이며 다양한 영역에서 사용됩니다:
Ultralytics 사용자가 두 플랫폼의 강점을 모두 활용할 수 있도록 TensorFlow 원활한 통합을 제공합니다. Ultralytics YOLO 모델을 다양한 TensorFlow 형식으로 쉽게 내보낼 수 있습니다:
이러한 유연성을 통해 사용자는 다음과 같은 모델을 학습할 수 있습니다. Ultralytics YOLOv8 또는 YOLO11 같은 모델을 Ultralytics 에코시스템 내에서, 아마도 Ultralytics HUB를 통해 관리하여 TensorFlow 지원하는 광범위한 플랫폼에 효율적으로 배포할 수 있습니다. Ultralytics 통합에 대한 자세한 설명서는 여기에서 확인할 수 있습니다.
KO
EN
ZH
JA
RU
DE
FR
ES
PT
IT
AR
TR
VI
