TensorFlow

Retour au Module 3 | Retour à la Table des Matières

3.6 Aperçu de TensorFlow

TensorFlow est un framework open-source d'apprentissage automatique développé par Google. Il est largement utilisé pour construire, entraîner et déployer des modèles d'apprentissage profond dans des domaines tels que la classification d'images, la détection d'objets, le NLP et les prévisions de séries temporelles.

Sur les plateformes Jetson, TensorFlow peut exploiter l'accélération GPU pour améliorer les performances d'entraînement et d'inférence, ce qui le rend adapté au développement d'IA en périphérie (Edge AI).

Fonctionnalités Principales

  • Support d'API de haut niveau via Keras (tf.keras) pour un développement rapide de modèles.
  • Options flexibles d'exportation et de déploiement de modèles (SavedModel, TensorFlow Lite, flux de travail de conversion ONNX).
  • Outils d'écosystème complets, y compris TensorBoard pour la visualisation et le débogage.
  • Exécution évolutive des appareils locaux à l'infrastructure cloud.

Flux de Travail Typique

  1. Préparer et prétraiter les données.
  2. Construire et entraîner un modèle avec tf.keras.
  3. Évaluer la précision et les performances du modèle.
  4. Exporter et déployer le modèle pour l'inférence.

Exemple Rapide (Keras)

python
import tensorflow as tf

model = tf.keras.Sequential([
    tf.keras.layers.Dense(64, activation='relu', input_shape=(32,)),
    tf.keras.layers.Dense(10, activation='softmax')
])

model.compile(optimizer='adam',
              loss='sparse_categorical_crossentropy',
              metrics=['accuracy'])

print("TensorFlow version:", tf.__version__)

Liens Utiles TensorFlow

Retour au Module 3