Attend the Women in ML Symposium on December 7 Register now

Contribuya a los grupos de interés especial (SIG) de TensorFlow

Organiza tus páginas con colecciones Guarda y categoriza el contenido según tus preferencias.

Los grupos de interés especial de TensorFlow (TF SIG) organizan contribuciones de la comunidad a partes clave del ecosistema de TensorFlow. Los líderes y miembros de SIG trabajan juntos para crear y respaldar casos de uso importantes de TensorFlow.

Los SIG están dirigidos por miembros de la comunidad de código abierto, incluidos colaboradores de la industria y expertos en desarrollo de Google Machine Learning (ML GDE). El éxito de TensorFlow se debe en gran parte a su arduo trabajo y contribuciones.

Lo alentamos a que se una a un SIG que trabaje en el área del ecosistema de TensorFlow que más le interese. No todos los SIG tendrán el mismo nivel de energía, amplitud de alcance o modelos de gobierno: explore nuestros estatutos SIG para obtener más información. Manténgase conectado con los clientes potenciales y los miembros de SIG en el foro de TensorFlow , donde puede suscribirse a las etiquetas preferidas y obtener más información sobre las reuniones periódicas de SIG.

Complementos SIG

SIG Addons crea y mantiene un depósito de contribuciones de la comunidad que se ajustan a patrones de API bien establecidos, pero implementan nuevas funciones que no están disponibles en el núcleo de TensorFlow.

TensorFlow admite de forma nativa una gran cantidad de operadores, capas, métricas, pérdidas, optimizadores y más. Sin embargo, en un campo de rápido movimiento como ML, hay muchos desarrollos nuevos que no se pueden integrar en el núcleo de TensorFlow (porque su aplicabilidad amplia aún no está clara, o es utilizada principalmente por un subconjunto más pequeño de la comunidad). SIG Addons permite a los usuarios introducir nuevas extensiones al ecosistema TensorFlow de manera sostenible.

Complementos SIG en GitHub Contribuir Debatir en el foro

Construir SIG

SIG Build mejora y amplía el proceso de compilación de TensorFlow. SIG Build mantiene un repositorio que muestra recursos, guías, herramientas y construcciones aportadas por la comunidad, para la comunidad.

SIG Construir en GitHub Contribuir Discutir en el foro

SIGIO

SIG IO mantiene TensorFlow I/O, una colección de sistemas de archivos y formatos de archivos que no están disponibles en el soporte integrado de TensorFlow.

SIG IO en GitHub Contribuyendo Discutir en el foro

SIG JVM

SIG JVM mantiene los enlaces TF Java para permitir que los usuarios usen JVM para construir, entrenar y ejecutar modelos de aprendizaje automático.

Java y otros lenguajes JVM, como Scala o Kotlin, se usan con frecuencia en pequeñas y grandes empresas de todo el mundo, lo que convierte a TensorFlow en una opción estratégica para adoptar el aprendizaje automático a gran escala.

SIG JVM en GitHub Contribuyendo Discutir en el foro

Modelos SIG

SIG Models se enfoca en permitir contribuciones a la implementación del modelo de vanguardia en TensorFlow 2 y compartir las mejores prácticas del uso de TensorFlow 2 para la investigación de vanguardia. Los subgrupos se orientan en torno a diferentes aplicaciones de aprendizaje automático (Vision, NLP, etc.).

SIG Models organiza debates y colaboraciones en torno a TensorFlow Model Garden y TensorFlow Hub . Aprenda cómo contribuir en GitHub a continuación, o discuta Investigación y modelos en el foro.

TensorFlow Model Garden en GitHub Contributing

TensorFlow Hub en GitHub Contributing

Micro SIG

SIG Micro analiza y comparte actualizaciones sobre TensorFlow Lite para microcontroladores , un puerto de TensorFlow Lite diseñado para ejecutar modelos de aprendizaje automático en DSP, microcontroladores y otros dispositivos con memoria limitada.

TensorFlow Lite Micro en GitHub Contribuir Debatir en el foro

SIG MLIR

SIG MLIR mantiene utilidades y dialectos de MLIR para TensorFlow, XLA y TF Lite, lo que proporciona compiladores de alto rendimiento y técnicas de optimización que se pueden aplicar a la generación de códigos y gráficos de TensorFlow. Su objetivo general es crear una representación intermedia (IR) común que reduzca el costo de traer nuevo hardware y mejorar la facilidad de uso para los usuarios existentes de TensorFlow.

SIG MLIR en GitHub Contribuir Debatir en el foro

Redes SIG

SIG Networking mantiene el repositorio de TensorFlow Networking para extensiones de redes específicas de la plataforma para el núcleo de TensorFlow y las utilidades relacionadas.

SIG Networking en GitHub Discutir en el foro

Recomendadores SIG

SIG Recommenders mantiene una colección de proyectos relacionados con sistemas de recomendación a gran escala basados ​​en TensorFlow aportados y mantenidos por la comunidad. Esas contribuciones son complementarias a TensorFlow Core y TensorFlow Recommenders .

Recomendadores SIG en GitHub Contribuyendo Discutir en el foro

Sig óxido

SIG Rust mantiene enlaces idiomáticos de lenguaje Rust para TensorFlow.

SIG Rust en GitHub Contribuyendo Discutir en el foro

TensorBoard SIG

SIG TensorBoard facilita la discusión sobre TensorBoard , un conjunto de herramientas para inspeccionar, depurar y optimizar los programas de TensorFlow.

TensorBoard en GitHub Contribuir Debatir en el foro

SIG TF.js

SIG TF.js facilita componentes aportados por la comunidad a TensorFlow.js y ofrece soporte para proyectos a través de SIG.

TensorFlow.js en GitHub Contribuir Debatir en el foro

Complementos SIG TFX

SIG TFX-Addons acelera el intercambio de personalizaciones y adiciones para satisfacer las necesidades de producción de ML, ampliar la visión y ayudar a impulsar nuevas direcciones para TensorFlow Extended (TFX) y la comunidad de ML.

SIG TFX-Addons en GitHub Contribuir Debatir en el foro

Nuevos SIG

¿No encontraste lo que buscabas? Si cree que existe una gran necesidad de un nuevo TensorFlow SIG, lea el libro de jugadas SIG y siga las instrucciones sobre cómo proponerlo a nuestra comunidad de colaboradores.