TensorFlow est une plateforme open source de bout en bout pour l'apprentissage automatique. Il dispose d'un écosystème complet et flexible d'outils, de bibliothèques et de ressources communautaires qui permettent aux chercheurs de pousser l'état de l'art en matière de ML et aux développeurs de créer et de déployer facilement des applications basées sur le ML.
TensorFlow a été initialement développé par des chercheurs et des ingénieurs travaillant au sein de l'équipe Machine Intelligence de Google Brain pour mener des recherches sur l'apprentissage automatique et les réseaux neuronaux. Cependant, le framework est suffisamment polyvalent pour être également utilisé dans d’autres domaines.
TensorFlow fournit des API Python et C++ stables, ainsi qu'une API rétrocompatible non garantie pour d'autres langages.
Tenez-vous au courant des annonces de publication et des mises à jour de sécurité en vous abonnant à[email protected]. Voir toutes les listes de diffusion.
Consultez le guide d'installation de TensorFlow pour le package pip pour activer la prise en charge du GPU, utiliser un conteneur Docker et créer à partir des sources.
Pour installer la version actuelle, qui inclut la prise en charge des cartes GPU compatibles CUDA (Ubuntu et Windows) :
$ pip install tensorflow
D'autres appareils (DirectX et MacOS-metal) sont pris en charge à l'aide des plugins de périphérique.
Un package plus petit, réservé au processeur, est également disponible :
$ pip install tensorflow-cpu
Pour mettre à jour TensorFlow vers la dernière version, ajoutez l'indicateur --upgrade
aux commandes ci-dessus.
Les binaires nocturnes sont disponibles pour les tests à l'aide des packages tf-nightly et tf-nightly-cpu sur PyPi.
$python
>>> importer tensorflow en tant que tf>>> tf.add(1, 2).numpy()3>>> bonjour = tf.constant('Bonjour, TensorFlow !')>>> bonjour.numpy()b'Bonjour , TensorFlow !'
Pour plus d'exemples, consultez les didacticiels TensorFlow.
Si vous souhaitez contribuer à TensorFlow, assurez-vous de consulter les directives de contribution. Ce projet adhère au code de conduite de TensorFlow. En participant, vous êtes censé respecter ce code.
Nous utilisons les problèmes GitHub pour le suivi des demandes et des bugs. Veuillez consulter le forum TensorFlow pour les questions et discussions générales, et veuillez adresser les questions spécifiques à Stack Overflow.
Le projet TensorFlow s'efforce de respecter les meilleures pratiques généralement acceptées en matière de développement de logiciels open source.
Suivez ces étapes pour corriger une version spécifique de TensorFlow, par exemple, pour appliquer des correctifs à des bugs ou des failles de sécurité :
Clonez le dépôt TensorFlow et basculez vers la branche correspondante pour la version TensorFlow souhaitée, par exemple, la branche r2.8
pour la version 2.8.
Appliquez (c'est-à-dire sélectionnez) les modifications souhaitées et résolvez tout conflit de code.
Exécutez les tests TensorFlow et assurez-vous qu'ils réussissent.
Créez le package pip TensorFlow à partir des sources.
Vous pouvez trouver davantage de plates-formes et de configurations prises en charge par la communauté dans le tableau des versions de la communauté TensorFlow SIG Build.
Type de construction | Statut | Artefacts |
---|---|---|
Processeur Linux | PyPI | |
GPU Linux | PyPI | |
LinuxXLA | À déterminer | |
macOS | PyPI | |
Processeur Windows | PyPI | |
GPU Windows | PyPI | |
Androïde | Télécharger | |
Framboise Pi 0 et 1 | Py3 | |
Framboise Pi 2 et 3 | Py3 | |
Processeur Libtensorflow MacOS | Statut temporairement indisponible | GCS officiel binaire nocturne |
Processeur Linux Libtensorflow | Statut temporairement indisponible | GCS officiel binaire nocturne |
GPU Linux Libtensorflow | Statut temporairement indisponible | GCS officiel binaire nocturne |
Processeur Windows Libtensorflow | Statut temporairement indisponible | GCS officiel binaire nocturne |
GPU Windows Libtensorflow | Statut temporairement indisponible | GCS officiel binaire nocturne |
TensorFlow.org
Tutoriels TensorFlow
Modèles officiels TensorFlow
Exemples TensorFlow
Atelier de programmation TensorFlow
Blog TensorFlow
Apprendre le ML avec TensorFlow
Twitter TensorFlow
TensorFlow YouTube
Feuille de route d'optimisation du modèle TensorFlow
Livres blancs TensorFlow
Boîte à outils de visualisation TensorBoard
Recherche de code TensorFlow
Apprenez-en davantage sur la communauté TensorFlow et sur la manière d'y contribuer.
Coursera
Udacité
Edx
Licence Apache 2.0