TensorFlow 2 si concentra sulla semplicità e facilità d'uso, con aggiornamenti come l'esecuzione rapida, API intuitive di livello superiore e creazione di modelli flessibili su qualsiasi piattaforma.
Molte guide sono scritte come taccuini Jupyter e vengono eseguite direttamente in Google Colab, un ambiente di taccuini ospitato che non richiede configurazione. Fare clic sul pulsante Google Esegui nel Colab.
Documentazione essenziale
Installa TensorFlow
Installa il pacchetto o compila dal sorgente. Supporto GPU per schede abilitate CUDA®.Migrare a TensorFlow 2
Scopri come migrare il tuo codice TF1.x su TF2.Keras
Keras è un'API di alto livello più facile per i principianti del machine learning, così come per i ricercatori.Nozioni di base su TensorFlow
Scopri le classi e le funzionalità fondamentali che fanno funzionare TensorFlow.Pipeline di immissione dati
Iltf.data
API consente di costruire oleodotti ingresso complessi da semplici pezzi riutilizzabili.
Migliori pratiche di TensorFlow 2
Scopri le best practice per uno sviluppo efficace utilizzando TensorFlow 2.Salva un modello
Salva un modello TensorFlow utilizzando i checkpoint o il formato SavedModel.Acceleratori
Distribuisci la formazione su più GPU, più macchine o TPU.Prestazione
Best practice e tecniche di ottimizzazione per prestazioni TensorFlow ottimali.Librerie ed estensioni
Esplora risorse aggiuntive per costruire modelli avanzati o metodi che utilizzano tensorflow e accesso pacchetti di applicazioni specifiche del dominio che si estendono tensorflow.-
TensorBoard
Una suite di strumenti di visualizzazione per comprendere, eseguire il debug e ottimizzare i programmi TensorFlow. -
TensorFlow Hub
Una libreria per la pubblicazione, la scoperta e il consumo di parti riutilizzabili dei modelli di machine learning. -
Ottimizzazione del modello
Il TensorFlow Model Optimization Toolkit è una suite di strumenti per l'ottimizzazione dei modelli ML per la distribuzione e l'esecuzione. -
TensorFlow federato
Un framework per l'apprendimento automatico e altri calcoli su dati decentralizzati. -
Apprendimento strutturato neurale
Un paradigma di apprendimento per addestrare le reti neurali sfruttando segnali strutturati oltre agli input delle funzionalità. -
Grafica TensorFlow
Una libreria di funzionalità di computer grafica che vanno da fotocamere, luci e materiali ai renderer.
-
Set di dati
Una raccolta di set di dati pronti per l'uso con TensorFlow. -
Servendo
Un sistema di servizio TFX per modelli ML, progettato per alte prestazioni in ambienti di produzione. -
Probabilità
TensorFlow Probability è una libreria per il ragionamento probabilistico e l'analisi statistica. -
MLIR
MLIR unifica l'infrastruttura per modelli ML ad alte prestazioni in TensorFlow. -
XLA
Un compilatore specifico del dominio per l'algebra lineare che accelera i modelli TensorFlow potenzialmente senza modifiche al codice sorgente. -
Componenti aggiuntivi SIG
Funzionalità extra per TensorFlow, gestita da SIG Addons. -
SIG IO
Set di dati, streaming ed estensioni del file system, gestito da SIG IO.