Platform ujung ke ujung untuk pembelajaran mesin

Instal TensorFlow

Mulai menggunakan TensorFlow

TensorFlow memudahkan pembuatan model ML yang dapat berjalan di lingkungan apa pun. Pelajari cara menggunakan API intuitif melalui contoh kode interaktif.

Lihat tutorial

import tensorflow as tf
mnist = tf.keras.datasets.mnist

(x_train, y_train),(x_test, y_test) = mnist.load_data()
x_train, x_test = x_train / 255.0, x_test / 255.0

model = tf.keras.models.Sequential([
  tf.keras.layers.Flatten(input_shape=(28, 28)),
  tf.keras.layers.Dense(128, activation='relu'),
  tf.keras.layers.Dropout(0.2),
  tf.keras.layers.Dense(10, activation='softmax')
])

model.compile(optimizer='adam',
  loss='sparse_categorical_crossentropy',
  metrics=['accuracy'])

model.fit(x_train, y_train, epochs=5)
model.evaluate(x_test, y_test)

Jalankan mulai cepat

Selesaikan masalah dunia nyata dengan ML

Jelajahi contoh bagaimana TensorFlow digunakan untuk memajukan penelitian dan membangun aplikasi yang didukung AI.

TensorFlow GNN

Analisis data relasional menggunakan jaringan saraf grafik

GNN dapat memproses hubungan kompleks antar objek, menjadikannya teknik yang ampuh untuk memperkirakan lalu lintas, penemuan medis, dan banyak lagi.

Pelajari tentang TF GNN

LiterRT

Meningkatkan akses terhadap kesehatan ibu dengan ML di perangkat

Pelajari bagaimana LiteRT (sebelumnya TensorFlow Lite) memungkinkan akses ke penilaian USG janin, sehingga meningkatkan hasil kesehatan bagi perempuan dan keluarga di seluruh Kenya dan dunia.

Jelajahi LiteRT

Agen TensorFlow

Bangun sistem rekomendasi dengan pembelajaran penguatan

Pelajari cara Spotify menggunakan ekosistem TensorFlow untuk merancang simulator offline yang dapat diperluas dan melatih Agen RL untuk membuat playlist.

Baca blognya

Apa yang baru di TensorFlow

Baca pengumuman terbaru dari tim dan komunitas TensorFlow.

Jelajahi ekosistem

Temukan alat yang telah teruji produksi untuk mempercepat pemodelan, penerapan, dan alur kerja lainnya.

• Perpustakaan

  TensorFlow.js

  Latih dan jalankan model langsung di browser menggunakan JavaScript atau Node.js.

Perpustakaan

LiterRT

Terapkan ML di perangkat seluler dan edge seperti Android, iOS, Raspberry Pi, dan Edge TPU.

API

tf.data

Memproses data terlebih dahulu dan membuat saluran masukan untuk model ML.

Perpustakaan

TFX

Buat pipeline ML produksi dan terapkan praktik terbaik MLOps.

API

tf.keras

Buat model ML dengan API tingkat tinggi TensorFlow.