Una piattaforma end-to-end per l'apprendimento automatico

Installa TensorFlow

Inizia con TensorFlow

TensorFlow semplifica la creazione di modelli ML eseguibili in qualsiasi ambiente. Scopri come utilizzare le API intuitive attraverso esempi di codice interattivi.

Visualizza 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)

Esegui l'avvio rapido

Risolvi problemi del mondo reale con il machine learning

Esplora esempi di come TensorFlow viene utilizzato per promuovere la ricerca e creare applicazioni basate sull'intelligenza artificiale.

TensorFlow GNN

Analizzare i dati relazionali utilizzando le reti neurali a grafo

Le GNN possono elaborare relazioni complesse tra oggetti, rendendole una potente tecnica per la previsione del traffico, la scoperta medica e altro ancora.

Ulteriori informazioni su TF GNN

LiteRT

Migliorare l'accesso alla salute materna con il machine learning sul dispositivo

Scopri come LiteRT (in precedenza TensorFlow Lite) consente l'accesso alla valutazione ecografica fetale, migliorando i risultati sanitari per le donne e le famiglie in Kenya e nel mondo.

Esplora LiteRT

Agenti TensorFlow

Costruisci sistemi di raccomandazione con l'apprendimento per rinforzo

Scopri come Spotify utilizza l'ecosistema TensorFlow per progettare un simulatore offline estensibile e addestrare gli agenti RL a generare playlist.

Leggi il blog

Novità in TensorFlow

Leggi gli ultimi annunci del team e della community di TensorFlow.

Esplora l'ecosistema

Scopri strumenti testati in produzione per accelerare la modellazione, la distribuzione e altri flussi di lavoro.

• Biblioteca

  TensorFlow.js

  Addestra ed esegui modelli direttamente nel browser utilizzando JavaScript o Node.js.

Biblioteca

LiteRT

Distribuisci il machine learning su dispositivi mobili ed edge come Android, iOS, Raspberry Pi ed Edge TPU.

API

tf.data

Preelabora i dati e crea pipeline di input per i modelli ML.

Biblioteca

TFX

Crea pipeline di machine learning di produzione e implementa le best practice MLOps.

API

tf.keras

Crea modelli ML con l'API di alto livello di TensorFlow.