TensorFlow 2 بر سادگی و سهولت استفاده متمرکز است ، با به روزرسانی هایی مانند اجرای مشتاقانه ، API های سطح بالاتر بصری ، و مدل سازی انعطاف پذیر بر روی هر پلتفرمی.

بسیاری از راهنماها به عنوان نوت بوک Jupyter نوشته می شوند و مستقیماً در Google Colab اجرا می شوند - محیط نوت بوک میزبانی شده که نیازی به راه اندازی ندارد. با کلیک بر روی Run در دکمه گوگل COLAB.

مستندات ضروری

بسته را نصب کرده یا از منبع ایجاد کنید. پشتیبانی از کارت گرافیک برای کارت های مجهز به CUDA®.
با نحوه انتقال کد TF1.x خود به TF2 آشنا شوید.
Keras یک API سطح بالا است که برای مبتدیان ML و همچنین محققان راحت تر است.
با کلاسها و ویژگیهای اساسی که TensorFlow را کار می کند آشنا شوید.
tf.data API شما را قادر به ساخت خطوط لوله پیچیده ورودی از ساده، قطعات قابل استفاده مجدد.
با بهترین روشها برای توسعه موثر با استفاده از TensorFlow 2 آشنا شوید.
یک مدل TensorFlow را با استفاده از نقاط بازرسی یا قالب SavedModel ذخیره کنید.
آموزش را در چندین GPU ، چندین دستگاه یا TPU توزیع کنید.
بهترین شیوه ها و تکنیک های بهینه سازی برای عملکرد مطلوب TensorFlow.

کتابخانه ها و برنامه های افزودنی

کاوش منابع اضافی برای ساخت مدل های پیشرفته و یا با استفاده از روش TensorFlow، و دسترسی دامنه خاص بسته نرم افزار است که گسترش TensorFlow.

  • TensorBoard

    مجموعه ای از ابزارهای تجسم برای درک ، اشکال زدایی و بهینه سازی برنامه های TensorFlow.

  • هاب TensorFlow

    کتابخانه ای برای انتشار ، کشف و مصرف قطعات قابل استفاده مجدد مدلهای یادگیری ماشین.

  • بهینه سازی مدل

    مجموعه ابزار بهینه سازی مدل TensorFlow مجموعه ای از ابزارها برای بهینه سازی مدل های ML برای استقرار و اجرا است.

  • TensorFlow فدراسیون

    چارچوبی برای یادگیری ماشین و دیگر محاسبات بر روی داده های غیر متمرکز

  • یادگیری ساختاری عصبی

    یک الگوی یادگیری برای آموزش شبکه های عصبی با استفاده از سیگنالهای ساختار یافته علاوه بر ورودی های ویژگی.

  • گرافیک TensorFlow

    کتابخانه ای از قابلیت های گرافیکی رایانه ای اعم از دوربین ها ، چراغ ها و مواد گرفته تا ارائه کننده ها.

  • مجموعه داده ها

    مجموعه ای از مجموعه داده ها آماده استفاده با TensorFlow.

  • خدمت کردن

    یک سیستم TFX برای مدلهای ML ، برای عملکرد بالا در محیط های تولید طراحی شده است.

  • احتمال

    احتمال TensorFlow کتابخانه ای برای استدلال احتمالی و تجزیه و تحلیل آماری است.

  • MLIR

    MLIR زیرساخت مدلهای ML با کارایی بالا را در TensorFlow متحد می کند.

  • XLA

    یک کامپایلر مخصوص دامنه برای جبر خطی که مدلهای TensorFlow را بدون هیچ گونه تغییر در منبع منبع سرعت می بخشد.

  • افزونه های SIG

    قابلیت های اضافی برای TensorFlow ، که توسط SIG Addons نگهداری می شود.

  • SIG IO

    مجموعه داده ، جریان و پسوندهای سیستم فایل ، که توسط SIG IO نگهداری می شود.