Giới thiệu về TensorFlow
TensorFlow giúp người mới bắt đầu và các chuyên gia dễ dàng tạo mô hình học máy cho máy tính để bàn, thiết bị di động, web và đám mây. Xem các phần bên dưới để bắt đầu.
TenorFlow
Tìm hiểu nền tảng của TensorFlow với các hướng dẫn dành cho người mới bắt đầu và các chuyên gia để giúp bạn tạo dự án machine learning tiếp theo của mình.
Dành cho Web
Sử dụng TensorFlow.js để tạo các mô hình máy học mới và triển khai các mô hình hiện có bằng JavaScript.
Dành cho thiết bị di động và Edge
Chạy suy luận với LiteRT trên thiết bị di động và thiết bị nhúng như Android, iOS, Edge TPU và Raspberry Pi.
cho sản xuất
Triển khai quy trình ML sẵn sàng sản xuất để đào tạo và suy luận bằng TFX.
Nền tảng đầu cuối dành cho học máy
Chuẩn bị và tải dữ liệu để có kết quả ML thành công
Dữ liệu có thể là yếu tố quan trọng nhất tạo nên sự thành công trong nỗ lực ML của bạn. TensorFlow cung cấp nhiều công cụ dữ liệu để giúp bạn hợp nhất, làm sạch và xử lý trước dữ liệu trên quy mô lớn:
Bộ dữ liệu tiêu chuẩn để đào tạo và xác nhận ban đầu
Đường ống dữ liệu có khả năng mở rộng cao để tải dữ liệu
Các lớp tiền xử lý cho các chuyển đổi đầu vào phổ biến
Các công cụ để xác thực và chuyển đổi các tập dữ liệu lớn
Ngoài ra, các công cụ AI có trách nhiệm giúp bạn phát hiện và loại bỏ thành kiến trong dữ liệu của mình để tạo ra kết quả công bằng, có đạo đức từ các mô hình của bạn.
Dùng thử trong Colab
Tải và xử lý trước tập dữ liệu hình ảnh Điều tra và trực quan hóa các tập dữ liệuXây dựng và tinh chỉnh các mô hình với hệ sinh thái TensorFlow
Khám phá toàn bộ hệ sinh thái được xây dựng trên khung Core giúp hợp lý hóa việc xây dựng, đào tạo và xuất khẩu mô hình. TensorFlow hỗ trợ đào tạo phân tán, lặp lại mô hình ngay lập tức và gỡ lỗi dễ dàng với Keras , v.v. Các công cụ như Phân tích mô hình và TensorBoard giúp bạn theo dõi quá trình phát triển và cải tiến trong suốt vòng đời của mô hình.
Để giúp bạn bắt đầu, hãy tìm bộ sưu tập các mô hình được đào tạo trước tại TensorFlow Hub từ Google và cộng đồng hoặc triển khai các mô hình nghiên cứu hiện đại trong Model Garden . Các thư viện thành phần cấp cao này cho phép bạn lấy các mô hình mạnh mẽ và tinh chỉnh chúng trên dữ liệu mới hoặc tùy chỉnh chúng để thực hiện các tác vụ mới.
Triển khai các mô hình trên thiết bị, trong trình duyệt, tại chỗ hoặc trên đám mây
TensorFlow cung cấp các khả năng mạnh mẽ để triển khai mô hình của bạn trên mọi môi trường - máy chủ, thiết bị biên, trình duyệt, thiết bị di động, bộ vi điều khiển, CPU, GPU, FPGA. TensorFlow Serve có thể chạy các mô hình ML ở quy mô sản xuất trên các bộ xử lý tiên tiến nhất trên thế giới, bao gồm cả Bộ xử lý Tensor (TPU) tùy chỉnh của Google.
Nếu bạn cần phân tích dữ liệu gần với nguồn của nó để giảm độ trễ và cải thiện quyền riêng tư của dữ liệu, khung LiteRT cho phép bạn chạy các mô hình trên thiết bị di động, thiết bị điện toán ranh giới và thậm chí cả bộ vi điều khiển, còn khung TensorFlow.js cho phép bạn chạy máy học chỉ với một trình duyệt web.
Dùng thử trong Colab
Phục vụ một mô hình với TensorFlow ServeTriển khai MLOps cho ML sản xuất
Nền tảng TensorFlow giúp bạn triển khai các phương pháp hay nhất để tự động hóa dữ liệu, theo dõi mô hình, giám sát hiệu suất và đào tạo lại mô hình.
Việc sử dụng các công cụ ở cấp độ sản xuất để tự động hóa và theo dõi quá trình đào tạo mô hình trong suốt vòng đời của sản phẩm, dịch vụ hoặc quy trình kinh doanh là rất quan trọng để thành công. TFX cung cấp khung phần mềm và công cụ để triển khai MLOps đầy đủ, phát hiện các sự cố khi dữ liệu và mô hình của bạn phát triển theo thời gian.
Bạn đang tìm cách mở rộng kiến thức ML của mình?
TensorFlow dễ sử dụng hơn khi có hiểu biết cơ bản về các nguyên tắc và khái niệm cốt lõi của máy học. Tìm hiểu và áp dụng các phương pháp học máy cơ bản để phát triển kỹ năng của bạn.
Bắt đầu với các chương trình giảng dạy được tuyển chọn để cải thiện kỹ năng của bạn trong các lĩnh vực ML cơ bản.
Giới thiệu về TensorFlow
TensorFlow giúp người mới bắt đầu và các chuyên gia dễ dàng tạo mô hình học máy cho máy tính để bàn, thiết bị di động, web và đám mây. Xem các phần bên dưới để bắt đầu.
TenorFlow
Tìm hiểu nền tảng của TensorFlow với các hướng dẫn dành cho người mới bắt đầu và các chuyên gia để giúp bạn tạo dự án machine learning tiếp theo của mình.
Dành cho Web
Sử dụng TensorFlow.js để tạo các mô hình máy học mới và triển khai các mô hình hiện có bằng JavaScript.
Dành cho thiết bị di động và Edge
Chạy suy luận với LiteRT trên thiết bị di động và thiết bị nhúng như Android, iOS, Edge TPU và Raspberry Pi.
cho sản xuất
Triển khai quy trình ML sẵn sàng sản xuất để đào tạo và suy luận bằng TFX.
Nền tảng đầu cuối dành cho học máy
Chuẩn bị và tải dữ liệu để có kết quả ML thành công
Dữ liệu có thể là yếu tố quan trọng nhất tạo nên sự thành công trong nỗ lực ML của bạn. TensorFlow cung cấp nhiều công cụ dữ liệu để giúp bạn hợp nhất, làm sạch và xử lý trước dữ liệu trên quy mô lớn:
Bộ dữ liệu tiêu chuẩn để đào tạo và xác nhận ban đầu
Đường ống dữ liệu có khả năng mở rộng cao để tải dữ liệu
Các lớp tiền xử lý cho các chuyển đổi đầu vào phổ biến
Các công cụ để xác thực và chuyển đổi các tập dữ liệu lớn
Ngoài ra, các công cụ AI có trách nhiệm giúp bạn phát hiện và loại bỏ thành kiến trong dữ liệu của mình để tạo ra kết quả công bằng, có đạo đức từ các mô hình của bạn.
Dùng thử trong Colab
Tải và xử lý trước tập dữ liệu hình ảnh Điều tra và trực quan hóa các tập dữ liệuXây dựng và tinh chỉnh các mô hình với hệ sinh thái TensorFlow
Khám phá toàn bộ hệ sinh thái được xây dựng trên khung Core giúp hợp lý hóa việc xây dựng, đào tạo và xuất khẩu mô hình. TensorFlow hỗ trợ đào tạo phân tán, lặp lại mô hình ngay lập tức và gỡ lỗi dễ dàng với Keras , v.v. Các công cụ như Phân tích mô hình và TensorBoard giúp bạn theo dõi quá trình phát triển và cải tiến trong suốt vòng đời của mô hình.
Để giúp bạn bắt đầu, hãy tìm bộ sưu tập các mô hình được đào tạo trước tại TensorFlow Hub từ Google và cộng đồng hoặc triển khai các mô hình nghiên cứu hiện đại trong Model Garden . Các thư viện thành phần cấp cao này cho phép bạn lấy các mô hình mạnh mẽ và tinh chỉnh chúng trên dữ liệu mới hoặc tùy chỉnh chúng để thực hiện các tác vụ mới.
Triển khai các mô hình trên thiết bị, trong trình duyệt, tại chỗ hoặc trên đám mây
TensorFlow cung cấp các khả năng mạnh mẽ để triển khai mô hình của bạn trên mọi môi trường - máy chủ, thiết bị biên, trình duyệt, thiết bị di động, bộ vi điều khiển, CPU, GPU, FPGA. TensorFlow Serve có thể chạy các mô hình ML ở quy mô sản xuất trên các bộ xử lý tiên tiến nhất trên thế giới, bao gồm cả Bộ xử lý Tensor (TPU) tùy chỉnh của Google.
Nếu bạn cần phân tích dữ liệu gần với nguồn của nó để giảm độ trễ và cải thiện quyền riêng tư của dữ liệu, khung LiteRT cho phép bạn chạy các mô hình trên thiết bị di động, thiết bị điện toán ranh giới và thậm chí cả bộ vi điều khiển, còn khung TensorFlow.js cho phép bạn chạy máy học chỉ với một trình duyệt web.
Dùng thử trong Colab
Phục vụ một mô hình với TensorFlow ServeTriển khai MLOps cho ML sản xuất
Nền tảng TensorFlow giúp bạn triển khai các phương pháp hay nhất để tự động hóa dữ liệu, theo dõi mô hình, giám sát hiệu suất và đào tạo lại mô hình.
Việc sử dụng các công cụ ở cấp độ sản xuất để tự động hóa và theo dõi quá trình đào tạo mô hình trong suốt vòng đời của sản phẩm, dịch vụ hoặc quy trình kinh doanh là rất quan trọng để thành công. TFX cung cấp khung phần mềm và công cụ để triển khai MLOps đầy đủ, phát hiện các sự cố khi dữ liệu và mô hình của bạn phát triển theo thời gian.
Bạn đang tìm cách mở rộng kiến thức ML của mình?
TensorFlow dễ sử dụng hơn khi có hiểu biết cơ bản về các nguyên tắc và khái niệm cốt lõi của máy học. Tìm hiểu và áp dụng các phương pháp học máy cơ bản để phát triển kỹ năng của bạn.
Bắt đầu với các chương trình giảng dạy được tuyển chọn để cải thiện kỹ năng của bạn trong các lĩnh vực ML cơ bản.