TensorFlow, la solution aux problèmes courants de machine learning

L'équipe d'ingénierie et de data scientists d'Airbnb utilise le machine learning avec TensorFlow pour effectuer de la classification d'images et de la détection d'objets à grande échelle, ce qui contribue à améliorer l'expérience de ses clients.

Le machine learning facilite l'analyse de l'évolution de la surface de la Terre et aide ainsi à la planification urbaine, à lutter contre les constructions illégales, et à cartographier les dégâts et les modifications de terrain provoqués par des catastrophes naturelles.

L'API Arm NN pour les réseaux de neurones Android (NNAPI) fournit une couche d'abstraction matérielle (HAL) ciblant les GPU Arm Mali qui permet de multiplier par quatre ou plus les performances des frameworks de machine learning tels que TensorFlow Lite.

Carousell crée des modèles de machine learning capables d'une compréhension approfondie des images et du langage naturel avec TensorFlow sur la plate-forme Google Cloud. Les vendeurs bénéficient d'une expérience d'affichage simplifiée grâce à la reconnaissance d'image, et les acheteurs découvrent des annonces plus pertinentes grâce aux recommandations et à la recherche d'images.

Les processeurs IA NeuPro et CEVA-XM de CEVA pour le deep learning et l'inférence AI en périphérie convertissent automatiquement les réseaux entraînés avec TensorFlow afin de permettre leur utilisation dans des appareils intégrés en temps réel à l'aide du compilateur CDNN de CEVA.

China Mobile a utilisé TensorFlow pour créer un système de deep learning capable de prédire automatiquement des fenêtres horaires de bascule, de valider les journaux d'exploitation et de détecter des anomalies dans ses réseaux. Cela a déjà permis de mener à bien le plus grand transfert de numéros HSS pour l'IoT jamais réalisé (des centaines de millions).

Grâce aux progrès de l'intelligence artificielle et au niveau de maturité atteint par TensorFlow, Coca-Cola est en mesure de fournir des preuves d'achat de façon automatisée pour son programme de fidélité.

GE Healthcare utilise TensorFlow pour entraîner un réseau de neurones capable d'identifier des aspects anatomiques précis du cerveau afin de réduire la durée des examens IRM et d'en augmenter la fiabilité.

Google utilise TensorFlow pour exploiter le machine learning dans des produits tels que la recherche, Gmail et Google Traduction afin d'aider les chercheurs à faire de nouvelles découvertes, voire opérer des avancées dans les grands problèmes humanitaires et environnementaux actuels.

InSpace utilise TensorFlow.js pour identifier les commentaires indésirables avant même qu'ils soient envoyés. Les inférences sont effectuées du côté client (sur le navigateur), ce qui évite d'avoir à envoyer le texte à un serveur tiers pour la classification.

Le partenariat d'Intel avec Google a permis une amélioration des performances d'inférence par un facteur pouvant atteindre 2,8 sur différents modèles. Un grand nombre d'utilisateurs utilisant TensorFlow sur des plates-formes Intel ont pu bénéficier de cette amélioration.

Kakao Mobility utilise TensorFlow et TensorFlow Serving pour prédire la probabilité du taux d'achèvement des trajets lorsque cette entreprise envoie des chauffeurs en réponse à des appels de clients.

La plate-forme Lenovo LiCO accélère l'entraînement de systèmes d'IA et au calcul hautes performances traditionnel, et optimise l'entraînement de systèmes de deep learning grâce à l'intégration et à l'optimisation de TensorFlow. LiCO propose divers modèles TensorFlow intégrés et permet d'effectuer un entraînement distribué optimisé de ces modèles.

La première utilisation de TensorFlow par l'équipe responsable des algorithmes chez Liulishuo date de début 2016. Ce framework d'une grande simplicité d'application a aidé cette équipe à créer une application pour l'enseignement de l'anglais en interne.

ModiFace utilise le modèle FaceMesh de TensorFlow.js pour identifier les principales caractéristiques du visage et les combiner avec des nuanceurs WebGL, permettant ainsi aux internautes de se maquiller virtuellement avec des produits L'Oréal tout en préservant leur vie privée. L'expérience interactive est exécutée entièrement dans le navigateur, de sorte qu'aucune donnée utilisateur n'est envoyée à un serveur pour être traitée.

NAVER Shopping utilise TensorFlow pour associer plus de 20 millions de nouveaux produits par jour à environ 5 000 catégories de façon à organiser ces produits de façon systématique et à faciliter la recherche pour les utilisateurs.

NERSC et NVIDIA ont réussi à exécuter une application scientifique de deep learning à grande échelle sur plus de 27 000 GPU Tensor Core Nvidia V100. À cette occasion, la barrière de l'exaflop a été franchie.

OpenX intègre TFX et Google Cloud Platform dans sa place de marché pour traiter plus d'un million de requêtes par seconde et diffuser les réponses en moins de 15 millisecondes.

Grâce à TensorFlow, à un apprentissage par transfert approfondi et à l'utilisation de modèles génératifs, PayPal a réussi à identifier des caractéristiques d'activités frauduleuses récurrentes, à la fois complexes et variables dans le temps. Ceci a permis à l'entreprise de réduire le nombre de refus de transaction injustifiés tout en améliorant l'expérience des utilisateurs ordinaires du fait d'une précision d'identification accrue.

Qualcomm optimise et accélère les modèles TensorFlow et TensorFlow Lite sur les plates-formes mobiles Snapdragon et sur différents appareils aux puces conçues pour l'IoT, le traitement de données, la réalité étendue (XR) et l'automobile.

Des classifications et des segmentations d'images OCT de rétines ont été réalisées avec TensorFlow. Les trois types de maladies ont été classés comme suit : néovascularisation choroïdienne, corps flottants vitréens, œdèmes maculaires dus à une rétinopathie diabétique. Après segmentation, Sinovation Ventures a identifié les limites correspondant aux pathologies recherchées dans les images.

Spotify intègre TFX et Kubeflow Pipelines dans ses systèmes Paved Road for ML, un ensemble de produits et de configurations permettant de déployer une solution de machine learning de bout en bout destinée aux équipes qui débutent dans le domaine du ML.

Swisscom exploite la capacité de TensorFlow à personnaliser en profondeur ses modèles de machine learning pour classifier des textes et identifier l'intention des clients qui contactent l'entreprise.

Le SDK Processor optimise les modèles TensorFlow Lite, en déchargeant les cœurs Arm® de calcul général de la phase d'inférence du réseau CNN/DNN pour la confier à des accélérateurs matériels dédiés, qui améliorent les capacités du machine learning pour la vision artificielle, la robotique, l'aide à la conduite automobile et bien d'autres applications.

Twitter a utilisé TensorFlow pour créer son "fil d'actualité optimisé", qui permet aux utilisateurs d'avoir l'assurance de ne jamais manquer les tweets les plus importants, même s'ils sont abonnés à des milliers de comptes.

VSCO a recouru à TensorFlow Lite pour développer sa fonctionnalité "Pour cette photo", qui utilise le machine learning sur l'appareil pour déterminer le type de photo en cours de retouche, puis suggérer l'option appropriée dans une sélection de préréglages disponibles.

WPS Office met en œuvre de nombreux scénarios d'entreprise, tels que la reconnaissance d'image sur appareil et la reconnaissance de caractères basées sur TensorFlow.