Introduction

La bibliothèque TensorFlow permet d'utiliser l'intelligence artificiel (IA) dans l'apprentissage machine. Ainsi, il s'agit d'une bibliothèque mathématique symbolique pouvant être utilisée pour des applications d'apprentissage automatique telles que les réseaux de neurones. Une API est proposé pour les langages de programmation Python, C++, Java et Go.

La bibliothèque TensorFlow a été développé par l'équipe Google Brain pour une utilisation interne de Google. Il a été publié sous licence open source Apache 2.0 le 9 novembre 2015.

Voici les caractéristiqaues de TensorFlow :

• Bibliothèque open source multiplateforme : TensorFlow est un projet open source développé par Google. Il est disponible sous la licence Apache 2.0, ce qui permet une utilisation libre, y compris à des fins commerciales. Il fonctionne sur plusieurs plateformes : CPU, GPU, TPU, et sur des systèmes d'exploitation variés (Windows, Linux, macOS, Android, iOS).
• Support de calcul différentiel automatique : TensorFlow permet le calcul automatique des gradients via son moteur de différenciation automatique (autograd), ce qui est essentiel pour entraîner des réseaux de neurones. Cela permet de dériver automatiquement les dérivées des fonctions complexes, étape nécessaire à la rétropropagation.
• Modularité et flexibilité : Il offre une architecture modulaire permettant de construire des modèles personnalisés aussi bien de manière déclarative (API Keras haut niveau) que plus impérative (API bas niveau avec graphes de calculs). Cela rend la bibliothèque accessible autant aux débutants qu'aux chercheurs avancés.
• Graphes de calcul : TensorFlow repose sur la définition et l'exécution de graphes de calculs (dans sa version 1.x), ce qui permet une exécution optimisée sur différentes architectures. Depuis TensorFlow 2.x, l'approche est plus intuitive grâce à l'exécution "eager" par défaut, mais le mode graphe reste disponible pour optimiser les performances.
• Intégration avec d'autres outils Google : TensorFlow s'intègre naturellement avec d'autres outils Google comme TensorBoard (visualisation), TensorFlow Lite (déploiement sur mobiles), TensorFlow Serving (déploiement de modèles), et TensorFlow Extended (TFX, pour la production de pipelines ML).
• Large écosystème et communauté active : TensorFlow bénéficie d'un écosystème riche : bibliothèques additionnelles (TF-Agents, TensorFlow Hub, TensorFlow Probability,...), documentation abondante, tutoriels, support communautaire. Il est utilisé dans l'industrie, la recherche et l'enseignement à travers le monde.
• Déploiement sur plusieurs environnements : Les modèles TensorFlow peuvent être déployés sur l'infonuagique (Google Cloud AI Platform), sur le web (avec TensorFlow.js), sur appareils mobiles (avec TensorFlow Lite), ou sur des microcontrôleurs (avec TensorFlow Lite for Microcontrollers), ce qui offre une grande portabilité des modèles.

Remarque

• Il existe un projet d'API permettant de communiqué avec TensorFlow dans Free Pascal nommé tensorflowforpascal

Utilisation

Le TensorFlow est utilisé dans de nombreux projets comme par exemple RASA,...