Les groupes d'intérêt spéciaux TensorFlow (TF SIG) organisent les contributions de la communauté aux éléments clés de l'écosystème TensorFlow. Les responsables et les membres de SIG travaillent ensemble pour créer et prendre en charge des cas d'utilisation importants de TensorFlow.
Les SIG sont dirigés par des membres de la communauté open source, y compris des collaborateurs de l'industrie et des experts en développement machine de Google (ML GDE). Le succès de TensorFlow est dû en grande partie à leur travail acharné et à leurs contributions.
Nous vous encourageons à rejoindre un SIG travaillant sur le domaine de l'écosystème de TensorFlow qui vous intéresse le plus. Tous les SIG n'auront pas le même niveau d'énergie, la même portée ou les mêmes modèles de gouvernance - parcourez nos chartes SIG pour en savoir plus. Restez connecté avec les prospects et les membres SIG sur le forum TensorFlow , où vous pouvez vous abonner aux balises préférées et en savoir plus sur les réunions SIG régulières.
Modules SIG
SIG Addons crée et gère un référentiel de contributions communautaires conformes aux modèles d'API bien établis, mais implémente de nouvelles fonctionnalités non disponibles dans le cœur de TensorFlow.
TensorFlow prend en charge nativement un grand nombre d'opérateurs, de couches, de métriques, de pertes, d'optimiseurs, etc. Cependant, dans un domaine en évolution rapide comme le ML, de nombreux nouveaux développements ne peuvent pas être intégrés au cœur de TensorFlow (car leur large applicabilité n'est pas encore claire ou il est principalement utilisé par un sous-ensemble plus restreint de la communauté). SIG Addons permet aux utilisateurs d'introduire de nouvelles extensions dans l'écosystème TensorFlow de manière durable.
SIG Addons sur GitHub Contribuer Discutez sur le forum
Construction SIG
SIG Build améliore et étend le processus de génération de TensorFlow. SIG Build maintient un référentiel présentant des ressources, des guides, des outils et des builds apportés par la communauté, pour la communauté.
SIG Construire sur GitHub Contribuer Discutez sur le Forum
ES SIG
SIG IO gère TensorFlow I/O, une collection de systèmes de fichiers et de formats de fichiers qui ne sont pas disponibles dans la prise en charge intégrée de TensorFlow.
SIG IO sur GitHub Contribuer Discutez sur le forum
JVM SIG
SIG JVM maintient les liaisons TF Java pour permettre aux utilisateurs d'utiliser JVM pour créer, former et exécuter des modèles d'apprentissage automatique.
Java et d'autres langages JVM, tels que Scala ou Kotlin, sont fréquemment utilisés dans les petites et grandes entreprises du monde entier, ce qui fait de TensorFlow un choix stratégique pour adopter l'apprentissage automatique à grande échelle.
SIG JVM sur GitHub Contribuer Discutez sur le forum
Modèles SIG
SIG Models se concentre sur les contributions à la mise en œuvre de modèles de pointe dans TensorFlow 2 et sur le partage des meilleures pratiques d'utilisation de TensorFlow 2 pour la recherche de pointe. Les sous-groupes s'orientent autour de différentes applications d'apprentissage automatique (Vision, NLP, etc.).
SIG Models organise des discussions et des collaborations autour du TensorFlow Model Garden et du TensorFlow Hub . Découvrez comment contribuer sur GitHub ci-dessous ou discutez de la recherche et des modèles sur le forum.
TensorFlow Model Garden sur GitHub
SIG Micro
SIG Micro discute et partage des mises à jour sur TensorFlow Lite for Microcontrollers , un port de TensorFlow Lite conçu pour exécuter des modèles d'apprentissage automatique sur des DSP, des microcontrôleurs et d'autres appareils à mémoire limitée.
TensorFlow Lite Micro sur GitHub Contribuer Discutez sur le forum
SIGMLIR
SIG MLIR gère les dialectes et utilitaires MLIR pour TensorFlow, XLA et TF Lite, fournissant des compilateurs hautes performances et des techniques d'optimisation pouvant être appliquées aux graphiques TensorFlow et à la génération de code. Leur objectif principal est de créer une représentation intermédiaire (IR) commune qui réduit le coût de mise en place d'un nouveau matériel et améliore la convivialité pour les utilisateurs TensorFlow existants.
SIG MLIR sur GitHub Contribuer Discutez sur le forum
Réseautage SIG
SIG Networking gère le référentiel TensorFlow Networking pour les extensions réseau spécifiques à la plate-forme du cœur de TensorFlow et des utilitaires associés.
Réseautage SIG sur GitHub Discutez sur le forum
Recommandateurs SIG
SIG Recommenders gère une collection de projets liés à des systèmes de recommandation à grande échelle basés sur TensorFlow, apportés et maintenus par la communauté. Ces contributions sont complémentaires à TensorFlow Core et TensorFlow Recommenders .
Recommandateurs SIG sur GitHub Contribuer Discutez sur le forum
SIG Rouille
SIG Rust gère les liaisons idiomatiques du langage Rust pour TensorFlow.
SIG Rust sur GitHub Contribuer Discutez sur le forum
SIG TensorBoard
SIG TensorBoard facilite les discussions autour de TensorBoard, une suite d'outils permettant d'inspecter, de déboguer et d'optimiser les programmes TensorFlow.
TensorBoard sur GitHub Contribuer Discutez sur le forum
SIG TF.js
SIG TF.js facilite les composants fournis par la communauté à TensorFlow.js et offre un support de projet via le SIG.
TensorFlow.js sur GitHub Contribuer Discutez sur le forum
Modules complémentaires SIG TFX
SIG TFX-Addons accélère le partage des personnalisations et des ajouts pour répondre aux besoins de production ML, élargir la vision et aider à donner de nouvelles directions à TensorFlow Extended (TFX) et à la communauté ML.
SIG TFX-Addons sur GitHub Contribuer Discutez sur le forum
Nouveaux SIG
Vous n'avez pas trouvé ce que vous cherchiez ? Si vous pensez qu'il existe un besoin important pour un nouveau SIG TensorFlow, veuillez lire le playbook SIG et suivre les instructions pour le proposer à notre communauté de contributeurs.