Colab: Apprenez les réseaux de neurones avec Tensorflow facilement

Cette semaine nous allons découvrir un nouvel outil. Et oui, cela fait désormais presque 2 mois que nous enchainons les articles informatifs et didactiques sur l’intelligence artificielle, les réseaux de neurones et le machine learning. Place à la pratique!!
Découvrez, si ce n’est pas déjà fait, Colaboratory! Colaboratory est un notebook “Jupyter” déjà hébergé en ligne, gratuit et qui ne nécessite donc aucune installation.

C’est 100% plug & play, prêt à être utilisé et donc prêt à tester Tensorflow dès l’ouverture de la page web. Pour ceux qui ne savent pas ce qu’est un notebook, et bien c’est un outil qui permet de combiner des sections en langage naturel et des sections en langage de programmation dans un même document. Traduction, vous pouvez coder et écrire de façon très visuelle des scripts en Python et tester en live les lignes de codes que vous souhaitez.

Extrêmement pratique pour explorer des nouveaux frameworks (tels que Tensorflow), pour commenter son code et partager un tutoriel ou un didacticiel avec n’importe qui.

Pour en revenir à Colaboratory, vous l’avez peut être déjà aperçu dans des cours en ligne sur le machine learning, des tutoriels tensorflow, sur l’analyse de données ou sur les réseaux de neurones.

Découvrez ci-dessous, 5 conseils pour l’utiliser.

1. TensorFlow est déjà pré-installé

Lorsque vous créerez un notebook sur l’url colab.research.google.com, TensorFlow est déjà installé et optimisé pour l’hardware qu’utilise l’hébergement de Colab. Vous n’avez qu’à importer en python la librairie et vous pouvez démarrer vos réseaux de neurones sans problème : import tensorflow as tf .

2. Installez d’autres librairies spécifiques et vos dépendances directement dans le code

Vous pouvez ajouter directement dans votre code python une cellule de notebook démarrant par !pip install ou !apt-get et le tour est joué. Cela permet à d’autres personnes de facilement reproduire l’installation nécessaire (pour utiliser le code en production par exemple).

Vous avez également accès au shell avec le point d’exclamation !, ainsi que !wget, !pwd, etc. Cela peut aider.

3. Utiliser Colab avec Github

Lorsque que vous importez un fichier .ipynb sur Github (correspondant à l’extension des fichiers de type Notebook), ce sera facile de créer un lien cliquable pour permettre à vos lecteurs de jouer avec. Ajoutez simplement le chemin de votre Github à l’url https://colab.research.google.com/github/ . Par exemple, https://colab.research.google.com/github/tensorflow/tensor2tensor/blob/master/tensor2tensor/notebooks/hello_t2t.ipynb chargera ce ipynb hébergé sur Github.

Vous pouvez également facilement sauvegarder une copie de votre notebook Colab dans Github en utilisant “Fichier” -> Sauvegarder une copie sur GitHub…

4. Partagez et éditez collaborativement

Les notebooks Colab sont en fait comme des fichiers hébergés sur un Drive ou Dropbox. Ils sont stockés dans Google Drive et peuvent être partagés, édités et commentés collaborativement. Il suffit simplement de cliquer sur le bouton “Share” (partager) en haut à droite du notebook que vous avez créé.

5. Accélération matérielle (Hardware acceleration)

Par défaut, les notebooks Colab fonctionne grâce à des CPU. Vous pouvez changer et choisir d’utiliser des GPU en allant dans le menu “Runtime”-> “Change runtime type” et en choisissant GPU.

Vous pouvez également utiliser un notebook Colab en vous reposant sur le matériel/ hardware local de votre machine en lisant ces instructions.

Pour découvrir davantage de conseils sur les notebooks Colab, je vous invite à lire ce guide de bienvenue « welcome notebook« , et vous pouvez également lire la FAQ, ou enfin utiliser des échantillons de code déjà existants directement depuis l’outil Colab dans le menu “Help” -> “Search code snippets”.

J’espère que vous prendrez beaucoup de plaisir à tester et utiliser l’outil et que vous montrez vite en compétences sur les réseaux de neurones grâce à Tensorflow!