Contribuer aux groupes d'intérêt spécial (SIG) TensorFlow

Les groupes d'intérêt spécial TensorFlow (TF SIG) organisent les contributions de la communauté aux éléments clés de l'écosystème TensorFlow. Les dirigeants et les membres de SIG travaillent ensemble pour créer et prendre en charge des cas d'utilisation importants de TensorFlow.

Les SIG sont dirigés par des membres de la communauté open source, notamment des collaborateurs de l'industrie et des experts en développement Google en apprentissage automatique (ML GDE). Le succès de TensorFlow est dû en grande partie à leur travail acharné et à leurs contributions.

Nous vous encourageons à rejoindre un SIG travaillant sur le domaine de l'écosystème TensorFlow qui vous tient le plus à cœur. Tous les SIG n’auront pas le même niveau d’énergie, la même étendue de portée ou les mêmes modèles de gouvernance – parcourez nos chartes SIG pour en savoir plus. Restez en contact avec les responsables et les membres SIG sur le forum TensorFlow , où vous pouvez vous abonner aux balises préférées et en savoir plus sur les réunions SIG régulières.

Modules complémentaires SIG

SIG Addons crée et gère un référentiel de contributions de la communauté qui se conforment aux modèles d'API bien établis, mais implémentent de nouvelles fonctionnalités non disponibles dans le noyau TensorFlow.

TensorFlow prend en charge nativement un grand nombre d'opérateurs, de couches, de métriques, de pertes, d'optimiseurs, etc. Cependant, dans un domaine en évolution rapide comme le ML, de nombreux nouveaux développements ne peuvent pas être intégrés au cœur de TensorFlow (car leur large applicabilité n'est pas encore claire, ou parce qu'ils sont principalement utilisés par un sous-ensemble plus restreint de la communauté). SIG Addons permet aux utilisateurs d'introduire de nouvelles extensions dans l'écosystème TensorFlow de manière durable.

SIG Addons sur GitHub Contribuer Discuter sur le forum

Construction SIG

SIG Build améliore et étend le processus de génération TensorFlow. SIG Build maintient un référentiel présentant les ressources, guides, outils et builds fournis par la communauté, pour la communauté.

SIG Build sur GitHub Contribuer Discuter sur le forum

SIG IO

SIG IO gère TensorFlow I/O, un ensemble de systèmes de fichiers et de formats de fichiers qui ne sont pas disponibles dans la prise en charge intégrée de TensorFlow.

SIG IO sur GitHub Contribuer à discuter sur le forum

JVM SIG

SIG JVM maintient les liaisons TF Java pour permettre aux utilisateurs d'utiliser JVM pour créer, former et exécuter des modèles d'apprentissage automatique.

Java et d'autres langages JVM, tels que Scala ou Kotlin, sont fréquemment utilisés dans les petites et grandes entreprises du monde entier, ce qui fait de TensorFlow un choix stratégique pour adopter l'apprentissage automatique à grande échelle.

SIG JVM sur GitHub Contribuer Discuter sur le forum

Modèles SIG

SIG Models vise à permettre des contributions à la mise en œuvre de modèles de pointe dans TensorFlow 2 et à partager les meilleures pratiques d'utilisation de TensorFlow 2 pour des recherches de pointe. Les sous-groupes s'orientent autour de différentes applications de machine learning (Vision, NLP, etc.).

Les modèles SIG hébergent des discussions et des collaborations autour du TensorFlow Model Garden et du TensorFlow Hub . Découvrez comment contribuer sur GitHub ci-dessous ou discutez de la recherche et des modèles sur le forum.

Jardin modèle TensorFlow sur GitHub

TensorFlow Hub sur GitHub

SIG Micro

SIG Micro discute et partage des mises à jour sur TensorFlow Lite for Microcontrollers , un port de TensorFlow Lite conçu pour exécuter des modèles d'apprentissage automatique sur des DSP, des microcontrôleurs et d'autres appareils à mémoire limitée.

TensorFlow Lite Micro sur GitHub Contribuer Discuter sur le forum

SIG MLIR

SIG MLIR gère les dialectes et utilitaires MLIR pour TensorFlow, XLA et TF Lite, fournissant des compilateurs hautes performances et des techniques d'optimisation pouvant être appliquées aux graphiques TensorFlow et à la génération de code. Leur objectif primordial est de créer une représentation intermédiaire (IR) commune qui réduit le coût de mise en place d'un nouveau matériel et améliore la convivialité pour les utilisateurs TensorFlow existants.

SIG MLIR sur GitHub Contribuant à discuter sur le forum

Réseautage SIG

SIG Networking gère le référentiel TensorFlow Networking pour les extensions réseau spécifiques à la plate-forme du noyau TensorFlow et des utilitaires associés.

SIG Networking sur GitHub Discutez sur le forum

Recommandeurs SIG

SIG Recommenders gère une collection de projets liés à des systèmes de recommandation à grande échelle construits sur TensorFlow contribué et maintenu par la communauté. Ces contributions sont complémentaires à TensorFlow Core et TensorFlow Recommenders .

Les recommandateurs SIG sur GitHub contribuent à discuter sur le forum

SIG Rouille

SIG Rust gère les liaisons idiomatiques du langage Rust pour TensorFlow.

SIG Rust sur GitHub Contribuer à discuter sur le forum

Tableau Tensor SIG

SIG TensorBoard facilite la discussion autour de TensorBoard , une suite d'outils permettant d'inspecter, de déboguer et d'optimiser les programmes TensorFlow.

TensorBoard sur GitHub Contribuer Discuter sur le forum

SIG TF.js

SIG TF.js facilite les composants apportés par la communauté à TensorFlow.js et offre un support de projet via SIG.

TensorFlow.js sur GitHub Contribuer Discuter sur le forum

Modules complémentaires SIG TFX

SIG TFX-Addons accélère le partage des personnalisations et des ajouts pour répondre aux besoins du ML de production, élargir la vision et aider à tracer de nouvelles orientations pour TensorFlow Extended (TFX) et la communauté ML.

SIG TFX-Addons sur GitHub Contribuer Discuter sur le forum

Nouveaux SIG

Vous n'avez pas trouvé ce que vous cherchiez ? Si vous pensez qu'il existe un fort besoin pour un nouveau TensorFlow SIG, veuillez lire le playbook SIG et suivre les instructions pour le proposer à notre communauté de contributeurs.