এমএল কমিউনিটি দিবস 9 নভেম্বর! TensorFlow, Jax থেকে আপডেটের জন্য আমাদের সাথে যোগ দিন, এবং আরও আরও জানুন

টেনসারফ্লো 2 সরলতা এবং ব্যবহারের সহজতার উপর দৃষ্টি নিবদ্ধ করে, যেমন আপডেট এক্সিকিউশন, স্বজ্ঞাত উচ্চ-স্তরের এপিআই এবং যে কোনও প্ল্যাটফর্মে নমনীয় মডেল বিল্ডিং।

অনেক গাইড Jupyter নোটবুক হিসাবে লেখা হয় এবং সরাসরি গুগল কোলাবে চালিত হয় - একটি হোস্টেড নোটবুক পরিবেশ যার জন্য কোন সেটআপের প্রয়োজন নেই। গুগল Colab বোতাম রান এ ক্লিক করুন।

প্রয়োজনীয় ডকুমেন্টেশন

প্যাকেজ ইনস্টল করুন অথবা উৎস থেকে তৈরি করুন। CUDA®- সক্ষম কার্ডগুলির জন্য GPU সমর্থন।
আপনার TF1.x কোডটি কিভাবে TF2 এ স্থানান্তর করতে হয় তা জানুন।
কেরাস একটি উচ্চ-স্তরের API যা এমএল নতুনদের পাশাপাশি গবেষকদের জন্য সহজ।
TensorFlow কাজ করে এমন মৌলিক শ্রেণী এবং বৈশিষ্ট্য সম্পর্কে জানুন।
tf.data API আপনাকে সহজ, পুনর্ব্যবহারযোগ্য টুকরা থেকে জটিল ইনপুট পাইপলাইনগুলি গড়ে তুলতে সক্ষম।
TensorFlow 2 ব্যবহার করে কার্যকর উন্নয়নের জন্য সর্বোত্তম অনুশীলন সম্পর্কে জানুন।
চেকপয়েন্ট বা SavedModel ফরম্যাট ব্যবহার করে একটি TensorFlow মডেল সেভ করুন।
একাধিক GPU, একাধিক মেশিন বা TPU জুড়ে প্রশিক্ষণ বিতরণ করুন।
অনুকূল TensorFlow কর্মক্ষমতা জন্য সেরা অনুশীলন এবং অপ্টিমাইজেশান কৌশল।
এক্সপ্লোর অতিরিক্ত সম্পদ উন্নত মডেলের বা TensorFlow ব্যবহার পদ্ধতি, এবং অ্যাক্সেস ডোমেইন-নির্দিষ্ট আবেদন প্যাকেজ যে TensorFlow প্রসারিত গড়ে তুলতে।
  • টেন্সরফ্লো প্রোগ্রামগুলি বুঝতে, ডিবাগ এবং অপ্টিমাইজ করার জন্য ভিজ্যুয়ালাইজেশন সরঞ্জামগুলির একটি স্যুট।
  • মেশিন লার্নিং মডেলের পুনusব্যবহারযোগ্য অংশ প্রকাশ, আবিষ্কার এবং ব্যবহারের জন্য একটি লাইব্রেরি।
  • টেনসারফ্লো মডেল অপ্টিমাইজেশন টুলকিট হচ্ছে এমএল মডেলগুলিকে স্থাপন এবং বাস্তবায়নের জন্য অপ্টিমাইজ করার জন্য সরঞ্জামগুলির একটি স্যুট।
  • বিকেন্দ্রীভূত ডেটার উপর মেশিন লার্নিং এবং অন্যান্য গণনার জন্য একটি কাঠামো।
  • ফিচার ইনপুট ছাড়াও স্ট্রাকচার্ড সিগন্যাল ব্যবহার করে নিউরাল নেটওয়ার্ককে প্রশিক্ষণ দেওয়ার একটি শিক্ষণীয় দৃষ্টান্ত।
  • ক্যামেরা, লাইট, এবং উপকরণ থেকে রেন্ডারার পর্যন্ত কম্পিউটার গ্রাফিক্স কার্যকারিতার একটি লাইব্রেরি।
  • TensorFlow এর সাথে ব্যবহারের জন্য প্রস্তুত ডেটাসেটের সংগ্রহ।
  • এমএল মডেলের জন্য একটি টিএফএক্স সার্ভিং সিস্টেম, যা উত্পাদন পরিবেশে উচ্চ-পারফরম্যান্সের জন্য ডিজাইন করা হয়েছে।
  • TensorFlow Probability হল সম্ভাব্য যুক্তি এবং পরিসংখ্যান বিশ্লেষণের জন্য একটি লাইব্রেরি।
  • এমএলআইআর টেন্সরফ্লোতে উচ্চ-কর্মক্ষম এমএল মডেলের অবকাঠামোকে একত্রিত করে।
  • রৈখিক বীজগণিতের জন্য একটি ডোমেন-নির্দিষ্ট কম্পাইলার যা সেন্সর কোড পরিবর্তনের সাথে TensorFlow মডেলগুলিকে ত্বরান্বিত করে।
  • টেনসরফ্লোর জন্য অতিরিক্ত কার্যকারিতা, SIG Addons দ্বারা রক্ষণাবেক্ষণ করা হয়।
  • SIG IO দ্বারা পরিচালিত ডেটাসেট, স্ট্রিমিং এবং ফাইল সিস্টেম এক্সটেনশন।