Waarom is dit belangrijk?
Onderzoeksteams kunnen met TensorFlow zwaar rekenwerk voor lerende systemen op één plek voorbereiden en die systemen daarna buiten het lab inzetten. In de zorg gebruiken organisaties het om op MRI-scans lichaamsdelen sneller en nauwkeuriger aan te wijzen. Patiënten en zorgmedewerkers merken dat zo'n beoordeling daardoor sneller kan komen, maar een foute uitkomst blijft mogelijk en vraagt extra controle door een arts.
Zo werkt het in de praktijk
Twitter ordent tweets met TensorFlow naar belang voor een gebruiker. Webwinkel Carousell geeft er persoonlijke producttips mee. Google zette het ook in voor RankBrain in de zoekmachine.
Het team Google Brain bouwde TensorFlow voor eigen onderzoek en voor dagelijks gebruik. Toen TensorFlow in onderzoeksartikelen terrein verloor aan PyTorch, bracht het team versie 2.0 uit. Die versie voert elke rekenstap meteen uit, zodat onderzoekers een model stap voor stap kunnen controleren.
Voor de stap van onderzoek naar dagelijks gebruik is er TensorFlow Extended (TFX). TFX legt een vaste reeks stappen vast om een model in gebruik te nemen. Die stappen laden gegevens, controleren ze, trainen een model, beoordelen het en zetten het daarna in gebruik.




