models

Le TensorFlow Model Garden héberge une vaste collection d’implémentations de modèles et de solutions de modélisation conçues pour TensorFlow. Son objectif est de démontrer les bonnes pratiques afin que les utilisateurs de TensorFlow puissent les appliquer dans la recherche et le développement de produits. Le dépôt comprend : - **official** : exemples d’implémentations de modèles SOTA utilisant les API de haut niveau de TensorFlow 2, maintenus officiellement et optimisés pour les performances tout en restant lisibles. - **research** : implémentations de modèles de recherche en TensorFlow 1 ou 2, maintenues par des chercheurs. - **community** : une liste organisée de dépôts GitHub contenant des modèles et implémentations d’apprentissage automatique TensorFlow 2. - **orbit** : une bibliothèque flexible et légère pour écrire des boucles d’entraînement personnalisées dans TensorFlow 2.x, s’intégrant à tf.distribute et prenant en charge l’exécution sur CPU, GPU et TPU. Lorsque cela est possible, les journaux d’entraînement sont partagés sur TensorBoard.dev afin d’améliorer la transparence et la reproductibilité, bien que tous les modèles ne s’y prêtent pas. L’installation est prise en charge de deux manières principales : 1. **Paquet Pip** : installez le paquet stable avec `pip3 install tf-models-official`, ou `pip3 install tf-models-nightly` pour les dernières modifications quotidiennes. Le paquet inclut automatiquement les modèles et les dépendances. 2. **Clone des sources** : clonez le dépôt GitHub, ajoutez le dossier models à `PYTHONPATH`, et installez les dépendances depuis `models/official/requirements.txt`. Les utilisateurs supplémentaires en NLP peuvent avoir besoin de `tensorflow-text-nightly`. Le projet est sous licence Apache License 2.0. Les directives de contribution et les annonces sont disponibles dans le wiki du dépôt. Un format de citation est également fourni pour les chercheurs qui utilisent le Model Garden dans leurs travaux.