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.

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.

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


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.
Explora el ecosistema
Descubra herramientas probadas en producción para acelerar el modelado, la implementación y otros flujos de trabajo.
Biblioteca
TensorFlow.js
Entrene y ejecute modelos directamente en el navegador usando JavaScript o Node.js.
Biblioteca
LiteRT
Implemente ML en dispositivos móviles y perimetrales como Android, iOS, Raspberry Pi y Edge TPU.
API
tf.datos
Preprocese datos y cree canales de entrada para modelos de aprendizaje automático.
Biblioteca
TFX
Cree canales de producción de ML e implemente las mejores prácticas de MLOps.
API
tf.keras
Cree modelos de aprendizaje automático con la API de alto nivel de TensorFlow.