TensorFlow 2 konzentriert sich auf Einfachheit und Benutzerfreundlichkeit mit Updates wie eifriger Ausführung, intuitiven übergeordneten APIs und flexibler Modellbildung auf jeder Plattform.
Viele Handbücher sind als Jupyter-Notizbücher geschrieben und werden direkt in Google Colab ausgeführt - einer gehosteten Notizbuchumgebung, für die keine Einrichtung erforderlich ist. Klicken Sie auf die Schaltfläche In Google Colab ausführen.
Grundlegende Dokumentation
Installieren Sie TensorFlow
Installieren Sie das Paket oder erstellen Sie es aus dem Quellcode. GPU-Unterstützung für CUDA®-fähige Karten.Migrieren Sie zu TensorFlow 2
Lernen Sie die Best Practices und Tools von TensorFlow 2 kennen, um Ihren TF1-Code auf TF2 zu migrieren.Keras
Keras ist eine High-Level-API, die sowohl für ML-Anfänger als auch für Forscher einfacher ist.TensorFlow-Grundlagen
Erfahren Sie mehr über die grundlegenden Klassen und Funktionen, mit denen TensorFlow funktioniert.Dateneingabepipelines
Mit dertf.data
API können Sie komplexe Eingabe-Pipelines aus einfachen, wiederverwendbaren Teilen erstellen.
Schätzer
Eine High-Level-API, die ein vollständiges Modell darstellt, das für Skalierung und asynchrones Training entwickelt wurde.Speichern Sie ein Modell
Speichern Sie ein TensorFlow-Modell mithilfe von Prüfpunkten oder im SavedModel-Format.Beschleuniger
Verteilen Sie das Training auf mehrere GPUs, mehrere Maschinen oder TPUs.Performance
Best Practices und Optimierungstechniken für eine optimale TensorFlow-Leistung.Bibliotheken und Erweiterungen
Durchsuchen Sie zusätzliche Ressourcen , um mithilfe von TensorFlow erweiterte Modelle oder Methoden zu erstellen, und greifen Sie auf domänenspezifische Anwendungspakete zu, die TensorFlow erweitern.-
TensorBoard
Eine Reihe von Visualisierungstools zum Verstehen, Debuggen und Optimieren von TensorFlow-Programmen. -
TensorFlow Hub
Eine Bibliothek zur Veröffentlichung, Entdeckung und Verwendung wiederverwendbarer Teile von Modellen für maschinelles Lernen. -
Modelloptimierung
Das TensorFlow Model Optimization Toolkit ist eine Reihe von Tools zur Optimierung von ML-Modellen für die Bereitstellung und Ausführung. -
TensorFlow Federated
Ein Framework für maschinelles Lernen und andere Berechnungen für dezentrale Daten. -
Neuronales strukturiertes Lernen
Ein Lernparadigma zum Trainieren neuronaler Netze durch Nutzung strukturierter Signale zusätzlich zu Merkmalseingaben. -
TensorFlow-Grafiken
Eine Bibliothek mit Computergrafikfunktionen, die von Kameras, Lichtern und Materialien bis hin zu Renderern reichen.
-
Datensätze
Eine Sammlung von Datensätzen, die mit TensorFlow verwendet werden können. -
Portion
Ein TFX-Serving-System für ML-Modelle, das für hohe Leistung in Produktionsumgebungen ausgelegt ist. -
Wahrscheinlichkeit
TensorFlow Probability ist eine Bibliothek für probabilistisches Denken und statistische Analyse. -
MLIR
MLIR vereinheitlicht die Infrastruktur für Hochleistungs-ML-Modelle in TensorFlow. -
XLA
Ein domänenspezifischer Compiler für lineare Algebra, der TensorFlow-Modelle beschleunigt, ohne dass sich der Quellcode ändert. -
SIG Addons
Zusätzliche Funktionalität für TensorFlow, die von SIG Addons verwaltet wird. -
SIG IO
Dataset-, Streaming- und Dateisystemerweiterungen, die von SIG IO verwaltet werden.