《面向機器智能的TensorFlow實踐》一1.8 使用TensorFlow所面臨的挑戰

本節書摘來自華章出版社《面向機器智能的tensorflow實踐》一書中的第1章，第1.8節，作者 山姆·亞伯拉罕（sam abrahams）丹尼亞爾·哈夫納（danijar hafner）[美]　埃裡克·厄威特（erik erwitt）阿裡爾·斯卡爾皮内裡（ariel scarpinelli），更多章節内容可以通路雲栖社群“華章計算機”公衆号檢視。

1.8　使用tensorflow所面臨的挑戰

1.分布式支援尚不成熟

雖然分布式運作時已正式釋出，但在tensorflow中使用這種特性卻并非想象中那樣容易。在本書寫作之時，為使用該特性，需手工定義每台裝置的角色，這種工作既乏味又容易出錯。由于它是一種全新的特性，是以可供學習的例程較少，想必未來的版本應當會有所改進。如前文所述，對kubernetes的支援已進入開發流水線，但到目前為止，它仍然尚未完成。

2.實作定制代碼的技巧性較強

雖然關于如何用tensorflow建立使用者自己的運算有一份官方指南可供參考，但要将定制的代碼實作到tensorflow中仍然頗費周折。然而，如果希望對主代碼庫做出貢獻，谷歌開發團隊會快速回答你的問題，并檢視你所送出的代碼，以便為吸納你的工作成果進行準備。

3.某些特性仍然缺失

如果你是一名經驗豐富的機器學習專家，并對其他架構具備深入的了解，你可能會發現一些自己喜歡的雖小但十分有用的特性尚未在tensorflow中實作。通常，你想要的這種特性在tensorflow中會有一些替代方案，但這可能無法阻止你的抱怨“為什麼它還未得到本地支援？”