Tensorflow Généralités

Tensorflow est la librairie open source soutenue par Google pour réaliser des calculs sur de grandes quantités de données.

Présentation :

Le projet Tensorflow date de Septembre 2016 et rassemble plus de 90 contributeurs. Cette librairie est utilisée par de nombreuses entreprises comme Twitter, Ebay, Snapchat et Intel. Elle dispose de deux principales API : une très bas niveau qui permet de comprendre exactement la modélisation mathématique utilisée et une plus haut niveau qui fait abstraction de la partie calcul pour se concentrer sur le résultat. En utilisant cette API on peut utiliser tout le savoir faire de Google sans avoir à comprendre exactement comment fonctionne la machine. Le langage de programmation utilisé pour la librairie est Python. L’objectif que je me suis fixé est d’utiliser Tensorflow pour différencier deux types de moyens de transport : la voiture et le cheval. J’avais tout d’abord pensé aux licornes mais il n’est pas simple de trouver une grande quantité de photos de licorne dans leur habitat naturel !

 

Source du projet :

https://github.com/tensorflow/tensorflow

 

Libraries :

  • Lattice – Implementation of Monotonic Calibrated Interpolated Look-Up Tables in TensorFlow
  • tf.contrib.learn – Simplified interface for Deep/Machine Learning (now part of TensorFlow)
  • tensorflow.rb – TensorFlow native interface for ruby using SWIG
  • tflearn – Deep learning library featuring a higher-level API
  • TensorFlow-Slim – High-level library for defining models
  • TensorFrames – TensorFlow binding for Apache Spark
  • TensorForce – TensorForce: A TensorFlow library for applied reinforcement learning
  • TensorFlowOnSpark – initiative from Yahoo! to enable distributed TensorFlow with Apache Spark.
  • caffe-tensorflow – Convert Caffe models to TensorFlow format
  • keras – Minimal, modular deep learning library for TensorFlow and Theano
  • SyntaxNet: Neural Models of Syntax – A TensorFlow implementation of the models described in Globally Normalized Transition-Based Neural Networks, Andor et al. (2016)
  • keras-js – Run Keras models (tensorflow backend) in the browser, with GPU support
  • NNFlow – Simple framework allowing to read-in ROOT NTuples by converting them to a Numpy array and then use them in Google Tensorflow.
  • Sonnet – Sonnet is DeepMind’s library built on top of TensorFlow for building complex neural networks.
  • tensorpack – Neural Network Toolbox on TensorFlow focusing on training speed and on large datasets.

 

Implantations :

 

  • YOLO TensorFlow – Implementation of ‘YOLO : Real-Time Object Detection’
  • android-yolo – Real-time object detection on Android using the YOLO network, powered by TensorFlow.
  • Magenta – Research project to advance the state of the art in machine intelligence for music and art generation

 

Alternative :