Una plataforma de extremo a extremo para el aprendizaje automático

Comience con TensorFlow

TensorFlow facilita la creación de modelos de aprendizaje automático que pueden ejecutarse en cualquier entorno. Aprenda a utilizar las API intuitivas a través de ejemplos de código interactivos.

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)

Resuelva problemas del mundo real con ML

Explore ejemplos de cómo se utiliza TensorFlow para avanzar en la investigación y crear aplicaciones impulsadas por IA.

Analizar datos relacionales utilizando redes neuronales gráficas.

Las GNN pueden procesar relaciones complejas entre objetos, lo que las convierte en una técnica poderosa para la previsión de tráfico, descubrimientos médicos y más.

Mejorar el acceso a la salud materna con aprendizaje automático en el dispositivo

Descubra cómo TensorFlow Lite permite el acceso a la evaluación por ultrasonido fetal, mejorando los resultados de salud de mujeres y familias en Kenia y el mundo.

Cree sistemas de recomendación con aprendizaje reforzado

Descubra cómo Spotify utiliza el ecosistema TensorFlow para diseñar un simulador fuera de línea extensible y capacitar a los agentes de RL para generar listas de reproducción.

¿Qué hay de nuevo en TensorFlow?

Lea los últimos anuncios del equipo y la comunidad de TensorFlow.

  • Herramientas de desarrollo

    Herramientas para evaluar modelos, optimizar el rendimiento y producir flujos de trabajo de ML.