Formation à Tensorflow 2.0
À propos du cours
TensorFlow est un outil open source d’apprentissage automatique développé par Google. Le code source a été ouvert le 9 novembre 2015 par Google et publié sous licence Apache. Il est fondé sur l’infrastructure DistBelief, initiée par Google en 2011, et est doté d’une interface pour Python
Présentation de TensorFlow
TensorFlow permet aux débutants et aux experts de créer facilement des modèles de machine learning pour les ordinateurs de bureau, les appareils mobiles, le Web et le cloud.
TensorFlow
Apprenez les bases de TensorFlow avec des tutoriels pour débutants et experts pour vous aider à créer votre prochain projet de machine learning.
Pour le Web
Utilisez TensorFlow.js pour créer de nouveaux modèles de machine learning et déployer des modèles existants avec JavaScript.
Pour Mobile et Bord
Exécutez l’inférence avec TensorFlow Lite sur des appareils mobiles et intégrés comme Android, iOS, Edge TPU et Raspberry Pi.
Pour la fabrication
Déployez un pipeline ML prêt pour la production pour la formation et l’inférence à l’aide de TFX.
Préparer et charger des données pour des résultats de ML réussis
Les données peuvent être le facteur le plus important dans le succès de vos efforts de ML. TensorFlow propose plusieurs outils de données pour vous aider à consolider, nettoyer et prétraiter les données à grande échelle :
- Ensembles de données standard pour la formation initiale et la validation
- Pipelines de données hautement évolutifs pour le chargement des données
- Couches de prétraitement pour les transformations d’entrée courantes
- Outils pour valider et transformer de grands ensembles de données
De plus, des outils d’ IA responsables vous aident à découvrir et à éliminer les biais dans vos données pour produire des résultats équitables et éthiques à partir de vos modèles.
Créez et affinez des modèles avec l’écosystème TensorFlow
Explorez un écosystème complet basé sur le framework Core qui rationalise la construction, la formation et l’exportation de modèles. TensorFlow prend en charge la formation distribuée, l’itération immédiate du modèle et le débogage facile avec Keras , et bien plus encore. Des outils tels que Model Analysis et TensorBoard vous aident à suivre le développement et l’amélioration tout au long du cycle de vie de votre modèle.
Pour vous aider à démarrer, trouvez des collections de modèles pré-entraînés sur TensorFlow Hub de Google et de la communauté, ou des implémentations de modèles de recherche de pointe dans Model Garden . Ces bibliothèques de composants de haut niveau vous permettent de prendre des modèles puissants et de les affiner sur de nouvelles données ou de les personnaliser pour effectuer de nouvelles tâches.
Déployez des modèles sur l’appareil, dans le navigateur, sur site ou dans le cloud
TensorFlow fournit des fonctionnalités robustes pour déployer vos modèles sur n’importe quel environnement : serveurs, appareils périphériques, navigateurs, mobiles, microcontrôleurs, CPU, GPU, FPGA. TensorFlow Serving peut exécuter des modèles ML à l’échelle de la production sur les processeurs les plus avancés au monde, y compris les unités de traitement Tensor (TPU) personnalisées de Google.
Si vous avez besoin d’analyser des données proches de leur source pour réduire la latence et améliorer la confidentialité des données, le framework TensorFlow Lite vous permet d’exécuter des modèles sur des appareils mobiles, des appareils informatiques de pointe et même des microcontrôleurs, et le framework TensorFlow.js vous permet d’exécuter l’apprentissage automatique avec juste un navigateur web.
Mettre en œuvre des MLOps pour le ML de production
La plate-forme TensorFlow vous aide à mettre en œuvre les meilleures pratiques pour l’automatisation des données, le suivi des modèles, la surveillance des performances et le recyclage des modèles.
L’utilisation d’outils au niveau de la production pour automatiser et suivre la formation de modèles tout au long de la durée de vie d’un produit, d’un service ou d’un processus métier est essentielle au succès. TFX fournit des cadres logiciels et des outils pour des déploiements MLOps complets, détectant les problèmes à mesure que vos données et modèles évoluent au fil du temps.
Contenu du cours
Se former à Tensorflow 2.0
-
06:19
-
14:51
-
07:58
-
10:54
-
23:38
-
11:38
-
14:32
-
17:22
-
24:43
-
06:32
-
13:49
-
21:12
-
08:28
-
21:57
-
09:23
-
12:50
-
32:39
-
17:00
-
29:07
-
12:17
-
17:07
-
13:08
Notes et avis de l’apprenant
