Makine öğrenimi için uçtan uca bir platform

TensorFlow'u kullanmaya başlayın

TensorFlow, her ortamda çalışabilen makine öğrenimi modelleri oluşturmayı kolaylaştırır. Etkileşimli kod örnekleri aracılığıyla sezgisel API'lerin nasıl kullanılacağını öğrenin.

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)

ML ile gerçek dünyadaki sorunları çözün

Araştırmayı ilerletmek ve yapay zeka destekli uygulamalar oluşturmak için TensorFlow'un nasıl kullanıldığına dair örnekleri keşfedin.

Cihazdaki ML ile anne sağlığına erişimi iyileştirme

TensorFlow Lite'ın fetal ultrason değerlendirmesine nasıl erişim sağladığını, Kenya ve dünya genelinde kadınlar ve ailelerin sağlık sonuçlarını nasıl iyileştirdiğini öğrenin.

Takviyeli öğrenmeyle öneri sistemleri oluşturun

Spotify'ın genişletilebilir bir çevrimdışı simülatör tasarlamak ve RL Temsilcilerini çalma listeleri oluşturmaları için eğitmek için TensorFlow ekosistemini nasıl kullandığını öğrenin.

Android'de büyük dil modellerini dağıtın

Yüksek Lisans'ları nasıl optimize edeceğinizi ve bunları üretken yapay zeka uygulamaları için TensorFlow Lite ile nasıl dağıtacağınızı öğrenin.

TensorFlow'daki yenilikler

TensorFlow ekibi ve topluluğundan en son duyuruları okuyun.

  • Geliştirici araçları

    Modelleri değerlendirmeye, performansı optimize etmeye ve makine öğrenimi iş akışlarını üretime geçirmeye yönelik araçlar.