Les API TensorFlow Core fournissent un ensemble d'API de bas niveau complètes, composables et extensibles pour un calcul hautes performances (distribué et accéléré), principalement destiné à créer des modèles d'apprentissage automatique (ML) ainsi qu'à créer des outils et des cadres de flux de travail ML au sein du Plateforme TensorFlow. Ces API fournissent une base pour créer des modèles hautement configurables avec un contrôle précis et de nouveaux cadres à partir de zéro.
Les API Core peuvent être utilisées comme alternative aux API d'apprentissage automatique de haut niveau comme Keras. Ces API de haut niveau sont mieux adaptées aux besoins généraux d'apprentissage automatique. Ils offrent une variété de modules qui éliminent les complexités du ML tout en offrant des fonctionnalités de personnalisation via le sous-classement. Si vous recherchez une présentation de TensorFlow à l'aide de Keras, consultez les sections Démarrages rapides et Keras dans les didacticiels .
Qui devrait utiliser les API Core ?
Les API de bas niveau TensorFlow Core sont conçues pour les développeurs de ML suivants :
- Chercheurs construisant des modèles complexes avec des niveaux élevés de configurabilité
- Développeurs intéressés par l'utilisation de TensorFlow comme plate-forme de calcul scientifique hautes performances
- Les auteurs du framework créent des outils au-dessus de la plate-forme TensorFlow
- Utilisateurs d'API de haut niveau intéressés par :
- Ajout de fonctionnalités supplémentaires à leurs flux de travail d'apprentissage automatique, telles que des couches personnalisées, des pertes, des modèles et des optimiseurs
- En savoir plus sur le fonctionnement interne de leurs modèles
Applications API de base
Les API TensorFlow Core permettent d'accéder à des fonctionnalités de bas niveau au sein de l'écosystème TensorFlow. Cette API offre plus de flexibilité et de contrôle pour la création de modèles, d'applications et d'outils ML, par rapport aux API de haut niveau, telles que Keras.
Créer des modèles et des workflows
Les API Core sont le plus souvent utilisées pour créer des modèles et des flux de travail d'apprentissage automatique hautement personnalisables et optimisés. Voici quelques-unes des façons dont les API TensorFlow Core peuvent améliorer vos modèles de machine learning et le développement de workflow :
- Construire des modèles ou des couches non traditionnels qui ne correspondent pas entièrement aux structures prises en charge par les API de haut niveau
- Création de couches, de pertes, de modèles et d'optimiseurs personnalisés dans Keras
- Mettre en œuvre de nouvelles techniques d'optimisation pour accélérer la convergence pendant la formation
- Création de métriques personnalisées pour l'évaluation des performances
- Concevoir des boucles de formation hautement configurables avec prise en charge de fonctionnalités telles que le traitement par lots, la validation croisée et les stratégies de distribution
Créer des frameworks et des outils
Les API TensorFlow Core peuvent également servir de blocs de construction pour de nouveaux frameworks de haut niveau. Voici quelques exemples d'outils et de frameworks créés avec les API de bas niveau : 
- Keras : apprentissage profond pour les humains
- TensorFlow Model Optimization Toolkit : une suite d'outils pour optimiser les modèles ML pour le déploiement et l'exécution
- TensorFlow Graphics : une bibliothèque pour rendre les fonctions graphiques utiles largement accessibles
Construire pour le calcul scientifique
Les API TensorFlow Core peuvent également être appliquées en dehors du domaine de l'apprentissage automatique. Voici quelques cas d'utilisation à usage général de TensorFlow pour le calcul scientifique : 
- Simulations physiques pour les problèmes de mécanique des solides et de dynamique des fluides
- Applications de rendu graphique comme le lancer de rayons
- Résoudre des problèmes d'optimisation sous contrainte
Composants de base de l'API
Voici quelques-uns des composants fondamentaux qui composent les API de bas niveau de TensorFlow Core. Notez qu'il ne s'agit pas d'une liste exhaustive :
- Structures de données :
tf.Tensor,tf.Variable,tf.TensorArray - API primitives :
tf.shape, slicing ,tf.concat,tf.bitwise - Numérique :
tf.math,tf.linalg,tf.random - Composants fonctionnels :
tf.function,tf.GradientTape - Distribution : DTensor
- Exporter :
tf.saved_model
Prochaines étapes
La documentation Build with Core fournit des didacticiels sur les concepts de machine learning de base à partir de zéro. Les didacticiels de cette section vous aident à vous familiariser avec l'écriture de code de bas niveau avec les API principales que vous pouvez ensuite appliquer à vos propres cas d'utilisation plus complexes.
Pour commencer à utiliser et en savoir plus sur les API Core, consultez le guide de démarrage rapide pour TensorFlow Core .