Введение в TensorFlow

TensorFlow позволяет новичкам и экспертам легко создавать модели машинного обучения для настольных компьютеров, мобильных устройств, Интернета и облака. Чтобы начать, ознакомьтесь с разделами ниже.

Тензорфлоу

Изучите основы TensorFlow с помощью руководств для новичков и экспертов, которые помогут вам создать следующий проект машинного обучения.

Для Интернета

Используйте TensorFlow.js для создания новых моделей машинного обучения и развертывания существующих моделей с помощью JavaScript.

Для мобильных устройств и периферийных устройств

Выполняйте логические выводы с помощью TensorFlow Lite на мобильных и встроенных устройствах, таких как Android, iOS, Edge TPU и Raspberry Pi.

Для производства

Разверните готовый к работе конвейер машинного обучения для обучения и вывода с помощью TFX.

Комплексная платформа для машинного обучения

Подготовьте и загрузите данные для успешных результатов ML

Данные могут стать наиболее важным фактором успеха ваших усилий по машинному обучению. TensorFlow предлагает несколько инструментов обработки данных, которые помогут вам консолидировать, очищать и предварительно обрабатывать данные в любом масштабе:

Кроме того, ответственные инструменты искусственного интеллекта помогут вам выявить и устранить предвзятость в ваших данных, чтобы получить справедливые и этические результаты на основе ваших моделей.

Создавайте и настраивайте модели с помощью экосистемы TensorFlow.

Исследуйте всю экосистему, построенную на платформе Core , которая упрощает создание, обучение и экспорт моделей. TensorFlow поддерживает распределенное обучение, немедленную итерацию модели, простую отладку с помощью Keras и многое другое. Такие инструменты, как Model Analysis и TensorBoard, помогают отслеживать развитие и улучшение на протяжении жизненного цикла вашей модели.

Чтобы помочь вам начать работу, найдите коллекции предварительно обученных моделей в TensorFlow Hub от Google и сообщества или реализации современных исследовательских моделей в Model Garden . Эти библиотеки компонентов высокого уровня позволяют вам использовать мощные модели и точно настраивать их на новых данных или настраивать для выполнения новых задач.

Развертывайте модели на устройстве, в браузере, локально или в облаке.

TensorFlow предоставляет надежные возможности для развертывания ваших моделей в любой среде — серверах, периферийных устройствах, браузерах, мобильных устройствах, микроконтроллерах, процессорах, графических процессорах, FPGA. TensorFlow Serving может запускать модели машинного обучения в промышленном масштабе на самых передовых процессорах в мире, включая специальные тензорные процессоры Google (TPU).

Если вам необходимо проанализировать данные вблизи их источника, чтобы уменьшить задержку и повысить конфиденциальность данных, платформа TensorFlow Lite позволяет запускать модели на мобильных устройствах, периферийных вычислительных устройствах и даже микроконтроллерах, а платформа TensorFlow.js позволяет запускать машинное обучение с помощью просто веб-браузер.

Внедрение MLOps для производственного машинного обучения

Платформа TensorFlow помогает вам реализовать лучшие практики автоматизации данных, отслеживания моделей, мониторинга производительности и переобучения моделей.

Использование инструментов производственного уровня для автоматизации и отслеживания обучения моделей на протяжении всего срока службы продукта, услуги или бизнес-процесса имеет решающее значение для успеха. TFX предоставляет программные платформы и инструменты для полного развертывания MLOps, выявляя проблемы по мере развития ваших данных и моделей с течением времени.

Хотите расширить свои знания в области машинного обучения?

TensorFlow проще использовать при базовом понимании принципов и основных концепций машинного обучения. Изучите и применяйте фундаментальные методы машинного обучения для развития своих навыков.

Изучите машинное обучение

Начните с тщательно подобранных учебных программ, чтобы улучшить свои навыки в базовых областях машинного обучения.