Google 致力于为黑人社区推动种族平等。查看具体举措
Diese Seite wurde von der Cloud Translation API übersetzt.
Switch to English

Einführung in TensorFlow

TensorFlow erleichtert Anfängern und Experten das Erstellen von Modellen für maschinelles Lernen für Desktop, Mobile, Web und Cloud. Weitere Informationen finden Sie in den folgenden Abschnitten.

TensorFlow

Lernen Sie die Grundlagen von TensorFlow mit Tutorials für Anfänger und Experten kennen, die Sie bei der Erstellung Ihres nächsten maschinellen Lernprojekts unterstützen.

Für JavaScript

Verwenden Sie TensorFlow.js, um neue Modelle für maschinelles Lernen zu erstellen und vorhandene Modelle mit JavaScript bereitzustellen.

Für Mobile & IoT

Führen Sie Inferenzen mit TensorFlow Lite auf mobilen und eingebetteten Geräten wie Android, iOS, Edge TPU und Raspberry Pi aus.

Für die Produktion

Stellen Sie mit TensorFlow Extended (TFX) eine produktionsbereite ML-Pipeline für Schulungen und Inferenzen bereit.

Schnell für TensorFlow

Integrieren Sie sich direkt in Swift für TensorFlow, die Plattform der nächsten Generation für tiefes Lernen und differenzierbare Programmierung.

TensorFlow-Ökosystem

TensorFlow bietet eine Sammlung von Workflows zum Entwickeln und Trainieren von Modellen mit Python, JavaScript oder Swift sowie zum einfachen Bereitstellen in der Cloud, vor Ort, im Browser oder auf dem Gerät, unabhängig davon, welche Sprache Sie verwenden.

Daten laden und vorverarbeiten
Modelle bauen, trainieren und wiederverwenden
Bereitstellen
Python-Entwicklung
CPU GPU TPU
TensorFlow
Erstellen Sie TensorFlow-Eingabepipelines
Mit der tf.data-API können Sie komplexe Eingabe-Pipelines aus einfachen, wiederverwendbaren Teilen erstellen.
Erkunden
TensorFlow
Erstellen und trainieren Sie Modelle mit Keras
tf.keras ist eine API auf hoher Ebene zum Erstellen und Trainieren von Modellen. Es unterstützt TensorFlow-spezifische Funktionen wie eifrige Ausführung, tf.data-Pipelines und Schätzer.
Erkunden
TensorFlow
Bereitstellung mit Python
Bereitstellung auf einem mobilen oder Edge-Gerät, im Browser oder in großem Maßstab mithilfe von TensorFlow Serving.
JavaScript-Entwicklung
CPU GPU TPU
TensorFlow.js
Importieren Sie ein Python-Modell oder schreiben Sie eines in JavaScript
Erfahren Sie, wie Sie vorab trainierte Modelle von Python in TensorFlow.js konvertieren und wie Sie Modelle direkt in JavaScript erstellen und trainieren.
Erkunden
TensorFlow.js
In Browser oder Node.js bereitstellen
Erfahren Sie, wie Sie TensorFlow.js-Modelle im Browser, auf node.js oder auf der Google Cloud-Plattform bereitstellen.
Erkunden
Schnelle Entwicklung
CPU GPU TPU
Swift für TensorFlow (in der Beta)
Entwickeln Sie Modelle nativ in Swift (Beta)
Die Verwendung der differenzierbaren Swift-Programmierung ermöglicht erstklassige Unterstützung in einer universellen Programmiersprache. Nehmen Sie Ableitungen von Funktionen und machen Sie benutzerdefinierte Datenstrukturen sofort differenzierbar. Erfahren Sie, wie Sie mit Swift-APIs transparenten Zugriff auf alle TensorFlow-Operatoren auf niedriger Ebene erhalten.
Erkunden
Edge-Geräte
CPU GPU RPi
TensorFlow Lite
Bereitstellung auf mobilen oder eingebetteten Geräten wie Android, iOS und Raspberry Pi
Lesen Sie das Entwicklerhandbuch und wählen Sie ein neues Modell aus oder trainieren Sie ein vorhandenes neu, konvertieren Sie es in eine komprimierte Datei, laden Sie es auf ein Edge-Gerät und optimieren Sie es anschließend.
Erkunden
End-to-End-Produktion
CPU GPU TPU
TFX
Validieren Sie Eingabedaten mit TF Data Validation
Erfahren Sie, wie Sie TFX-Komponenten verwenden, um Ihre Daten zu analysieren und zu transformieren, bevor Sie überhaupt ein Modell trainieren.
Erkunden
TFX
Feature Engineering mit TF Transform
Erfahren Sie, wie Sie eine Vorverarbeitungsfunktion definieren, die Rohdaten in Daten umwandelt, die zum Trainieren eines maschinellen Lernmodells verwendet werden, und wie die Apache Beam-Implementierung zum Transformieren von Daten verwendet wird, indem die Vorverarbeitungsfunktion in eine Beam-Pipeline konvertiert wird.
Erkunden
TFX
Modellierung und Training
Erfahren Sie, wie Sie Ihre Modelle in einer TFX-Pipeline als verwalteten Prozess trainieren.
Erkunden
TFX
Modellleistung mit TF-Modellanalyse verstehen
Sehen Sie, wie Sie mit TensorFlow Model Analysis Modellbewertungen in der TFX-Pipeline durchführen und die Ergebnisse in einem Jupyter-Notizbuch visualisieren können.
Erkunden
TFX
Servieren Sie Modelle mit einer REST-API mit TF Serving
Erfahren Sie, wie Sie mit TensorFlow Serving neue Algorithmen und Experimente bereitstellen können, während Sie die gleiche Serverarchitektur und APIs beibehalten.
Erkunden
Werkzeuge
TensorBoard
TensorBoard ist ein Tool zur Visualisierung von Training und Ergebnissen
Mit TensorBoard können Sie Experimentmetriken wie Verlust und Genauigkeit verfolgen, das Modelldiagramm visualisieren, Einbettungen in einen Raum mit niedrigeren Dimensionen projizieren und vieles mehr.
Erkunden
TensorFlow Hub
TensorFlow Hub ist eine umfangreiche Bibliothek vorhandener Modelle
TensorFlow Hub ist eine Bibliothek zum Veröffentlichen, Erkennen und Verwenden wiederverwendbarer Teile von Modellen des maschinellen Lernens, die als Module bezeichnet werden.
Erkunden

Möchten Sie Ihr ML-Wissen erweitern?

TensorFlow ist einfacher zu verwenden, wenn Sie die Prinzipien und Kernkonzepte des maschinellen Lernens verstehen. Lernen und wenden Sie grundlegende Methoden des maschinellen Lernens an, um Ihre Fähigkeiten zu entwickeln.

Lerne ML

Beginnen Sie mit kuratierten Lehrplänen, um Ihre Fähigkeiten in grundlegenden ML-Bereichen zu verbessern.