Qu’est-ce que Google TensorFlow ?Exemples et tutoriels open source
L’apprentissage automatique est la chose la plus en vogue dans l’informatique en ce moment. Des voitures autonomes aux forces de l’ordre en passant par les prévisions boursières, il est facile de comprendre pourquoi la technologie est omniprésente.
TensorFlow est le projet de Google basé sur l’apprentissage automatique et les réseaux de neurones. Découvrons ce que c’est, à quoi ça sert et comment apprendre à l’utiliser.
Qu’est-ce que TensorFlow ?
Il est impossible d’expliquer pleinement ce qu’est TensorFlow sans d’abord comprendre ce qu’est l’apprentissage automatique. L’apprentissage automatique et les réseaux de neurones ont déjà un impact sur nos vies de bien plus de façons que vous ne pouvez l’imaginer.
En termes simples, l’apprentissage automatique consiste à enseigner aux ordinateurs comment analyser des données et prendre des décisions éclairées sans programmation directe. Pour ce faire, nous entraînons des réseaux de neurones pour effectuer des tâches spécifiques.
TensorFlow est la bibliothèque de réseaux de neurones open source de Google développée par l’équipe Google Brain pour un large éventail d’utilisations. Essentiellement, TensorFlow supprime le besoin de créer des réseaux de neurones à partir de zéro. Au lieu de cela, vous pouvez entraîner TensorFlow avec votre ensemble de données et utiliser les résultats selon vos besoins.
Jusqu’ici si abstrait. Que pouvez-vous faire avec les réseaux de neurones ? En fait, presque n’importe quoi!
Exemples célèbres de TensorFlow
classement des images
De nombreux didacticiels d’apprentissage automatique pour débutants utilisent la classification d’images comme premier exemple de projet pour faciliter la compréhension. En fournissant une image de référence au réseau de neurones, il peut apprendre à prédire si l’image contient des objets similaires.
Faire une vidéo du jour
Pour voir ce processus en action, consultez le classificateur Dark Vador de 5 minutes de Siraj Raval.
Ce filtrage des données assisté par ordinateur est puissant au-delà de la simple localisation de Dark Vador sauvage. TensorFlow a été utilisé pour l’analyse d’images biomédicales.
Presque tous les domaines qui reposent sur l’analyse de grandes quantités de données d’images peuvent bénéficier de cette technologie. Comme le montre la vidéo d’introduction officielle de TensorFlow, il est utilisé pour simplifier les efforts de conservation des dugongs en voie de disparition.
Transfert de style photo profond
Source de l’image : luanfujun@github.com
En plus de la classification des images, TensorFlow peut être utilisé pour modifier dynamiquement les images. Deep Photo Style Transfer a été formé par un groupe de l’Université Cornell. Ce projet prend l’image d’entrée et l’image de style avant d’appliquer le style à l’image d’origine – fonctionne à merveille.
Les exemples utilisent un mélange de superpositions d’images automatiques et manuelles, donc si vous voulez vous salir les mains, il peut être utile de perfectionner vos compétences Photoshop avant de plonger dans la bibliothèque.
Musique IA magenta
Nous ne sommes pas étrangers à l’utilisation d’ordinateurs pour créer de belles œuvres d’art. L’idée d’ordinateurs faisant preuve de créativité d’une manière que nous pensons reconnaissable est depuis longtemps un rêve de science-fiction. Avec les bibliothèques de réseaux de neurones comme TensorFlow, c’est plus proche que jamais.
Magenta utilise TensorFlow pour créer des outils pour les musiciens. En utilisant l’apprentissage en profondeur, Magenta étend les outils disponibles pour les musiciens pour ouvrir de nouveaux types de mixage sonore, et même des appels et des réponses impromptus assistés par machine.
Magenta lui-même peut également être utilisé comme séquenceur intelligent. La possibilité d’utiliser des bibliothèques externes est l’une des nombreuses fonctionnalités intéressantes de CodePen. Tero Parviainen a utilisé la bibliothèque magenta.js pour créer son magnifique stylo Latent Cycles.
En plaçant des boucles improvisées générées par un réseau de neurones les unes à côté des autres, Latent Cycles permet à quiconque de créer des sons uniques et magnifiques sans connaissances musicales préalables.
Comment apprendre TensorFlow
L’apprentissage automatique est une discipline très intensive. La maîtrise des statistiques, des mathématiques, de la programmation et de la science générale des données est essentielle à la compréhension. Cela dit, même les débutants peuvent facilement acquérir une expérience pratique avec TensorFlow. Le didacticiel officiel de TensorFlow adopte une approche étape par étape pour la configuration et l’utilisation.
La plupart des projets TensorFlow utilisent le langage de programmation Python. Si vous êtes nouveau dans le langage, il existe de nombreux endroits intéressants pour apprendre Python. Si vous êtes déjà plus familier avec JavaScript, TensorFlow propose des didacticiels vidéo couvrant la bibliothèque TensorFlow.js.
Ces didacticiels, ainsi que les cours d’apprentissage automatique gratuits de Google, sont des ressources précieuses des fournisseurs de bibliothèques.
Autres tutoriels TensorFlow
Pour une introduction rapide et informative à TensorFlow et aux classificateurs d’images, Siraj Raval propose une introduction informative (et riche en mèmes) de 5 minutes.
Ceci est l’une des nombreuses vidéos sur l’apprentissage automatique sur la chaîne YouTube de Siraj. Entre des vidéos ultra-rapides comme celle-ci et de longs flux en direct avec des implémentations étape par étape, c’est un endroit idéal pour apprendre l’apprentissage automatique avec TensorFlow et Python.
En se concentrant sur JavaScript et Tensorflow.js, Coding Train propose une autre approche globale :
L’animateur Daniel Shiffman couvre divers cas d’utilisation de TensorFlow, et toute sa série d’apprentissage automatique est l’un des meilleurs cours gratuits sur le sujet.
Projet débutant : Détection de la vivacité
Ce projet utilise la reconnaissance du corps vivant pour contrôler un trieur automatique de déchets. Le matériel semble être un remplacement de Raspberry Pi, bien qu’en théorie, n’importe quel microcontrôleur puisse être utilisé. Le vrai travail est fait en utilisant un mélange d’OpenCV et de TensorFlow.
Il n’y a pas de tutoriels attachés aux projets dans la vidéo. Les excellents articles OpenCV et TensorFlow de Dat Tran utilisent la même bibliothèque et expliquent clairement chaque élément. En tant qu’idée simple et à petite échelle utilisant la bibliothèque TensorFlow, un projet de cette taille est le moyen idéal pour commencer.
Utilisation plus poussée de l’apprentissage automatique
TensorFlow est un outil très puissant, sans doute la société la plus importante sur Internet. La décision de l’ouvrir est importante car elle est ouverte à tous.
Cela dit, l’apprentissage automatique est une discipline très intensive. Cela vaut la peine de passer du temps à suivre des cours en ligne d’apprentissage automatique pour tirer le meilleur parti de TensorFlow.
A propos de l’auteur
