Kompleksowa platforma do uczenia maszynowego

Zainstaluj TensorFlow

Rozpocznij pracę z TensorFlow

TensorFlow ułatwia tworzenie modeli ML, które można uruchomić w dowolnym środowisku. Dowiedz się, jak korzystać z intuicyjnych interfejsów API, korzystając z interaktywnych próbek kodu.

Zobacz tutoriale

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)

Uruchom szybki start

Rozwiązuj rzeczywiste problemy za pomocą ML

Poznaj przykłady wykorzystania TensorFlow do wspierania badań i tworzenia aplikacji opartych na sztucznej inteligencji.

TensorFlow GNN

Analizuj dane relacyjne za pomocą grafowych sieci neuronowych

Sieci GNN mogą przetwarzać złożone relacje między obiektami, co czyni je potężną techniką prognozowania ruchu, odkryć medycznych i nie tylko.

Dowiedz się o TF GNN

LiteRT

Poprawa dostępu do zdrowia matek dzięki ML na urządzeniu

Dowiedz się, jak LiteRT (dawniej TensorFlow Lite) umożliwia dostęp do oceny ultrasonograficznej płodu, poprawiając wyniki zdrowotne kobiet i rodzin w Kenii i na świecie.

Poznaj LiteRT

Agenci TensorFlow

Twórz systemy rekomendacji dzięki uczeniu się przez wzmacnianie

Dowiedz się, jak Spotify wykorzystuje ekosystem TensorFlow do projektowania rozszerzalnego symulatora offline i szkolenia agentów RL w zakresie generowania list odtwarzania.

Przeczytaj bloga

Co nowego w TensorFlow

Przeczytaj najnowsze ogłoszenia zespołu i społeczności TensorFlow.

Poznaj ekosystem

Odkryj narzędzia przetestowane w środowisku produkcyjnym, które przyspieszają modelowanie, wdrażanie i inne przepływy pracy.

• Biblioteka

  TensorFlow.js

  Trenuj i uruchamiaj modele bezpośrednio w przeglądarce za pomocą JavaScript lub Node.js.

Biblioteka

LiteRT

Wdrażaj ML na urządzeniach mobilnych i brzegowych, takich jak Android, iOS, Raspberry Pi i Edge TPU.

API

dane tf

Wstępnie przetwarzaj dane i twórz potoki wejściowe dla modeli uczenia maszynowego.

Biblioteka

TFX

Twórz produkcyjne potoki ML i wdrażaj najlepsze praktyki MLOps.

API

tf.keras

Twórz modele ML za pomocą interfejsu API wysokiego poziomu TensorFlow.