Uma plataforma ponta a ponta para aprendizado de máquina

Primeiros passos com o TensorFlow

O TensorFlow facilita a criação de modelos de ML que podem ser executados em qualquer ambiente. Aprenda como usar APIs intuitivas por meio de exemplos de código interativos.

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)

Resolva problemas do mundo real com ML

Explore exemplos de como o TensorFlow é usado para promover pesquisas e criar aplicativos com tecnologia de IA.

Analise dados relacionais usando redes neurais gráficas

GNNs podem processar relacionamentos complexos entre objetos, tornando-os uma técnica poderosa para previsão de tráfego, descoberta médica e muito mais.

Melhorando o acesso à saúde materna com ML no dispositivo

Saiba como o LiteRT (anteriormente TensorFlow Lite) permite o acesso à avaliação de ultrassom fetal, melhorando os resultados de saúde para mulheres e famílias em todo o Quênia e no mundo.

Crie sistemas de recomendação com aprendizagem por reforço

Saiba como o Spotify usa o ecossistema TensorFlow para projetar um simulador off-line extensível e treinar agentes RL para gerar playlists.

O que há de novo no TensorFlow

Leia os anúncios mais recentes da equipe e da comunidade do TensorFlow.

  • Ferramentas de desenvolvedor

    Ferramentas para avaliar modelos, otimizar desempenho e produzir fluxos de trabalho de ML.