Cette section contient des collections supplémentaires de pages de référence d'API pour des projets et des packages distincts du package tensorflow , mais qui n'ont pas de pages de sous-site dédiées.
Le dépôt de modèles TensorFlow
Le référentiel TensorFlow Models fournit des implémentations de modèles de pointe (SOTA).
Le répertoire official/projects contient une collection de modèles SOTA qui utilisent l'API de haut niveau de TensorFlow. Ils sont destinés à être bien entretenus, testés et mis à jour avec la dernière API TensorFlow.
Le code de bibliothèque utilisé pour créer et former ces modèles est disponible sous forme de package pip. Vous pouvez l'installer en utilisant :
$ pip install tensorflow-models-official # For the latest release
$ #or
$ pip install tf-models-nightly # For the nightly build
Pour installer le package à partir de la source, reportez-vous à ces instructions .
Le package pip tensorflow-models-official contient deux modules de niveau supérieur : tensorflow_models et orbit . Vous pouvez les importer avec :
import tensorflow_models as tfm
import orbit
Modèles Tensorflow
Le module tensorflow_models gère la création de modèles et la configuration de la formation. La fonctionnalité spécifique à l'application est disponible sous tfm.vision et tfm.nlp .
Orbite
Le module orbit définit une bibliothèque flexible et légère pour écrire un code de boucle de formation personnalisé dans TensorFlow. Orbit est flexible quant au type de modèles avec lesquels il fonctionne. Vous pouvez utiliser Orbit pour former des modèles Keras (comme alternative à Keras' Model.fit ), mais vous n'avez pas du tout besoin d'utiliser Keras. Orbit s'intègre de manière transparente à tf.distribute et prend en charge l'exécution sur différents types d'appareils (CPU, GPU et TPU).