한 줄 정의
TensorFlow는 신경망 모델을 정의하고 학습하고 추론까지 돌리는 소프트웨어 프레임워크야. 특정 모델 하나의 이름이 아니라, 모델 개발 전체 흐름을 묶는 기반 스택에 가까워.
어떻게 작동하나
보통은 Keras 같은 상위 API로 모델 구조를 만들고, TensorFlow 실행 엔진이 CPU나 GPU, TPU에서 계산을 처리해. 학습이 끝난 뒤에는 TensorFlow Serving으로 서버 추론을 붙이거나 TensorFlow Lite로 모바일과 엣지 기기 쪽에 내보내는 식으로 이어질 수 있어.
왜 중요한가
TensorFlow가 오래 살아남은 이유는 모델 정확도 한 가지만이 아니라 학습부터 배포까지 한 생태계로 묶여 있기 때문이야. 팀 입장에서는 연구 코드, 서비스 추론, 모바일 배포를 완전히 다른 도구로 찢지 않아도 돼서 운영 흐름을 잡기 쉬워.
주의해서 볼 점
요즘 연구 예제나 최신 커뮤니티 튜토리얼은 PyTorch 쪽이 더 빨리 보이는 경우가 많아서, TensorFlow만이 표준이라고 보면 감각이 늦어질 수 있어. 또 TensorFlow라는 이름을 보면 성능 좋은 모델 자체로 오해하기 쉬운데, 실제 성능은 그 위에 올린 모델 구조와 데이터, 학습 설계가 더 크게 좌우해.
관련 용어
- PyTorch는 TensorFlow와 가장 자주 비교되는 딥러닝 프레임워크야. 연구 생산성과 배포 생태계 중 어디에 무게를 두는지 같이 보면 차이가 잘 보여.
- Alignment는 모델이 원하는 방향으로 행동하게 만드는 문제를 말해. TensorFlow는 그런 모델을 구현하고 학습시키는 기반 도구 쪽이야.
- Fine-tuning은 이미 학습된 모델을 추가 데이터로 다시 맞추는 방법이야. TensorFlow는 그 미세조정 과정을 실행하는 프레임워크로 이해하면 돼.
- Distillation은 큰 모델의 행동을 더 작은 모델에 옮기는 학습 기법이야. TensorFlow는 그런 실험을 코드로 굴리는 실행 환경에 가까워.