Avec TensorFlow, il est plus facile aux débutants comme aux experts de créer des modèles de machine learning pour des ordinateurs de bureau, des appareils mobiles, le Web ou le cloud. Consultez les sections ci-dessous pour vous lancer.
TensorFlow
Découvrez les bases de TensorFlow avec des tutoriels destinés aux débutants ou aux experts pour vous aider à créer votre prochain projet de machine learning.
Déployez un pipeline de machine learning prêt pour la production pour effectuer des tâches d'entraînement et d'inférence avec TensorFlow Extended (TFX).
Avec TensorFlow, vous avez accès à un ensemble de workflows pour développer et entraîner des modèles en Python ou JavaScript, et pour déployer facilement ces modèles dans le cloud, sur site, dans le navigateur ou sur des appareils, quel que soit le langage utilisé.
tf.keras est une API de haut niveau permettant de créer et d'entraîner des modèles. Cette API est compatible avec les fonctionnalités TensorFlow, y compris l'exécution eager, les pipelines tf.data et les Estimators.
Déployer des modèles sur des systèmes mobiles ou intégrés, tels qu'Android, iOS et Raspberry Pi
Consultez le guide du développeur et choisissez un nouveau modèle ou ré-entraînez un modèle existant. Convertissez ensuite votre modèle en un fichier compressé, avant de le charger sur un appareil Edge et de l'optimiser.
Apprenez à définir une fonction de prétraitement qui transforme les données brutes en données d'entraînement pour un modèle de machine learning. Découvrez également comment transformer des données en convertissant cette fonction en pipeline Beam avec Apache Beam.
TensorBoard est un outil de visualisation de l'entraînement et des résultats
Avec TensorBoard, vous pouvez suivre des métriques de test, comme la perte et la justesse, visualiser le graphe du modèle, projeter des représentations vectorielles continues dans un espace de dimension inférieure, et bien plus encore.
TensorFlow Hub est une bibliothèque offrant un large choix de modèles
TensorFlow Hub est une bibliothèque conçue pour favoriser la publication, la découverte et l'exploitation de parties réutilisables de modèles de machine learning (ou "modules").
Vous souhaitez approfondir vos connaissances sur le ML ?
Il est plus facile d'utiliser TensorFlow lorsqu'on comprend les principes de base et les principaux concepts du machine learning. Apprenez et appliquez les pratiques fondamentales du ML afin de développer vos compétences.