tensorflow

Tensorflow est un moteur d'intelligence artificielle Opensource développé par Google. Depuis le mois de février, Tensorflow a fait un grand pas en avant annonçant la première version complètement stable de son produit.

Tensorflow est aujourd'hui utilisé pour de nombreux cas d'usages: détection du cancer de la peau, prévention de la perte de vue chez les diabétiques ... Sur GitHub, vous trouverez pas moins de 8800 repository utilisant Tensorflow.

Tensorflow est développé en C++ et dispose d'une API Python. Des API Java et Go sont aussi à disposition en version expérimentale.

Si vous avez la chance d'avoir une carte graphique récente supportant CUDA 3.0 et supérieur, alors tournez-vous vers l'installation de Tensorflow en mode GPU, la compatibilité des cartes graphiques à Cuda peut être obtenue sur le site de NVidia. N'oubliez pas d'installer CUDA préalablement si votre carte est compatible.

$ pip install tensorflow-gpu  # Python 2.7;  GPU support
$ pip3 install tensorflow-gpu # Python 3.n; GPU support

Si vous n'avez pas de carte graphique compatible, tournez-vous vers une implémentation CPU de Tensorflow qui vous permettra de faire tourner les tutoriaux, mais celle-ci ne vous permettra pas de réaliser de l'apprentissage de manière efficace.

$ pip install tensorflow      # Python 2.7; CPU support (no GPU support)
$ pip3 install tensorflow     # Python 3.n; CPU support (no GPU support)

Une fois Tensorflow installé sur votre ordinateur, clonez le repository Git des models Tensorflow :

$ git clone https://github.com/tensorflow/models.git

Testez la reconnaissance d'image grâce à l'algorithme de classification des images :

$ cd models/tutorials/image/imagenet
$ python classify_image.py

La première analyse déclenche le téléchargement d'un référentiel de connaissance imagenet : L'image analysée est celle d'un panda :

giant panda, panda, panda bear, coon bear, Ailuropoda melanoleuca (score = 0.89632) indri, indris, Indri indri, Indri brevicaudatus (score = 0.00766) lesser panda, red panda, panda, bear cat, cat bear, Ailurus fulgens (score = 0.00266) custard apple (score = 0.00138) earthstar (score = 0.00104)

Vous pouvez maintenant essayer de catégoriser vos propres images, pour cela ajoutez la commande suivante au script de classification :

$ python classify_image.py --image_file monfichier.jpg

Le script vous retournera 5 propositions de classification avec des points de pondération allant de 0 à 1.

Enfin, si vous souhaitez garder précieusement la base de connaissance Imagenet dans un endroit particulier de votre système de fichier, l'argument "--model_dir" vous permet de préciser à l'emplacement des fichiers. Par défaut, la base de connaissance est téléchargée et installée dans le répertoire temporaire de votre ordinateur.

$ python classify_image.py --image_file monfichier.jpg --model_dir ./imagenet

Maintenant que vous arrivez à analyser des images grâce à inception, vous pouvez maintenant passer à l'étape suivante : l'apprentissage des images par Tensortflow. Rendez-vous dans un prochain article !

1. Le , 05:14 par loom
c36a922193a1f7b9e70a6b492de0dcd3

Hello ! merci pour ce tuto qui est tres clair et ça marche ! interressante decouverte de cette IA qui reconnait le contenu des images... encore facile a pièger mais finalement ça peut être drôle ! merci encore ! on souhaiterais peut etre pouvoir retourner les résultat sous forme de tableau ... il faut maitriser les tensor flow procedure je suppose ...

Ajouter un commentaire

Le code HTML est affiché comme du texte et les adresses web sont automatiquement transformées.