models

El TensorFlow Model Garden alberga una amplia colección de implementaciones de modelos y soluciones de modelado creadas para TensorFlow. Su objetivo es demostrar las mejores prácticas para que los usuarios de TensorFlow puedan aplicarlas en investigación y desarrollo de productos. El repositorio incluye: - **official**: implementaciones de ejemplo de modelos SOTA que utilizan las API de alto nivel de TensorFlow 2, mantenidas oficialmente y optimizadas para el rendimiento sin dejar de ser legibles. - **research**: implementaciones de modelos de investigación en TensorFlow 1 o 2, mantenidas por investigadores. - **community**: una lista curada de repositorios de GitHub con modelos e implementaciones de aprendizaje automático en TensorFlow 2. - **orbit**: una librería flexible y ligera para escribir bucles de entrenamiento personalizados en TensorFlow 2.x, que se integra con tf.distribute y admite ejecución en CPU, GPU y TPU. Cuando es posible, los registros de entrenamiento se comparten en TensorBoard.dev para mejorar la transparencia y la reproducibilidad, aunque no todos los modelos son aptos para ello. La instalación se admite de dos formas principales: 1. **Paquete Pip**: instala el paquete estable con `pip3 install tf-models-official`, o `pip3 install tf-models-nightly` para los últimos cambios diarios. El paquete incluye modelos y dependencias automáticamente. 2. **Clonación del código fuente**: clona el repositorio de GitHub, añade la carpeta models a `PYTHONPATH` e instala las dependencias desde `models/official/requirements.txt`. Los usuarios adicionales de NLP pueden necesitar `tensorflow-text-nightly`. El proyecto está licenciado bajo Apache License 2.0. Las directrices de contribución y los anuncios están disponibles en la wiki del repositorio. También se proporciona un formato de cita para los investigadores que utilicen el Model Garden en su trabajo.