مقدمه ای بر TensorFlow

TensorFlow ایجاد مدل های یادگیری ماشینی برای دسکتاپ، موبایل، وب و ابر را برای مبتدیان و متخصصان آسان می کند. برای شروع به بخش های زیر مراجعه کنید.

تنسورفلو

پایه تنسورفلو را با آموزش هایی برای مبتدیان و متخصصان بیاموزید تا به شما در ایجاد پروژه یادگیری ماشین بعدی خود کمک کنند.

بیشتر بدانید

برای جاوا اسکریپت

از TensorFlow.js برای ایجاد مدل های جدید یادگیری ماشین و استقرار مدل های موجود با جاوا اسکریپت استفاده کنید.

بیشتر بدانید

برای موبایل و اینترنت اشیا

استنتاج را با TensorFlow Lite در دستگاه‌های تلفن همراه و جاسازی شده مانند Android، iOS، Edge TPU و Raspberry Pi اجرا کنید.

بیشتر بدانید

برای تولید

یک خط لوله ML آماده تولید برای آموزش و استنتاج با استفاده از TensorFlow Extended (TFX) مستقر کنید.

بیشتر بدانید

اکوسیستم تنسورفلو

TensorFlow مجموعه‌ای از گردش‌های کاری را برای توسعه و آموزش مدل‌ها با استفاده از پایتون یا جاوا اسکریپت ارائه می‌کند و بدون توجه به زبانی که استفاده می‌کنید، به راحتی در ابر، روی پرم، مرورگر یا روی دستگاه استقرار می‌یابد.

بارگیری و پیش پردازش داده ها

ساخت، آموزش و استفاده مجدد از مدل ها

مستقر کنید

توسعه پایتون

CPU GPU TPU

تنسورفلو

ساخت خطوط لوله ورودی TensorFlow

tf.data API شما را قادر می سازد خطوط لوله ورودی پیچیده ای را از قطعات ساده و قابل استفاده مجدد بسازید.

کاوش کنید

تنسورفلو

ساخت و آموزش مدل ها با استفاده از Keras

tf.keras یک API سطح بالا برای ساخت و آموزش مدل ها است. از عملکردهای خاص TensorFlow، مانند اجرای مشتاق، خطوط لوله tf.data، و برآوردگرها پشتیبانی می کند.

کاوش کنید

تنسورفلو

استقرار با استفاده از پایتون

با استفاده از سرویس TensorFlow روی یک دستگاه تلفن همراه یا لبه، در مرورگر یا در مقیاس استفاده کنید.

توسعه جاوا اسکریپت

پردازنده گرافیکی CPU

TensorFlow.js

از مدل های TensorFlow.js، TensorFlow یا TFLite از پیش آموزش دیده استفاده کنید و آنها را روی وب یا سایر پلتفرم های JS اجرا کنید.

کاوش کنید

دستگاه های لبه

CPU GPU Rpi

TensorFlow Lite

روی دستگاه‌های تلفن همراه یا جاسازی‌شده مانند Android، iOS و Raspberry Pi نصب شود

راهنمای توسعه‌دهنده را بخوانید و یک مدل جدید انتخاب کنید یا یک مدل موجود را دوباره آموزش دهید، آن را به یک فایل فشرده تبدیل کنید، آن را بر روی یک دستگاه لبه بارگذاری کنید و سپس آن را بهینه کنید.

کاوش کنید

تولید انتها به انتها

CPU GPU TPU

TFX

اعتبار سنجی داده های ورودی با TF Data Validation

نحوه استفاده از اجزای TFX برای تجزیه و تحلیل و تبدیل داده های خود را قبل از اینکه حتی یک مدل را آموزش دهید، ببینید.

کاوش کنید

TFX

مهندسی ویژگی با TF Transform

بیاموزید که چگونه یک تابع پیش پردازش را تعریف کنید که داده های خام را به داده های مورد استفاده برای آموزش یک مدل یادگیری ماشین تبدیل می کند، و ببینید که چگونه پیاده سازی Apache Beam برای تبدیل داده ها با تبدیل تابع پیش پردازش به خط لوله Beam استفاده می شود.

کاوش کنید

TFX

مدل سازی و آموزش

بیاموزید که چگونه مدل های خود را در خط لوله TFX به عنوان یک فرآیند مدیریت شده آموزش دهید.

کاوش کنید

TFX

درک عملکرد مدل با تحلیل مدل TF

ببینید چگونه تجزیه و تحلیل مدل TensorFlow به شما امکان می دهد ارزیابی مدل را در خط لوله TFX انجام دهید و نتایج را در یک نوت بوک Jupyter تجسم کنید.

کاوش کنید

TFX

مدل‌ها را با REST API با سرویس TF ارائه دهید

بیاموزید که چگونه TensorFlow Serving به شما امکان می‌دهد الگوریتم‌ها و آزمایش‌های جدیدی را با حفظ معماری سرور و APIهای یکسان به کار ببرید.

کاوش کنید

ابزار

TensorBoard

TensorBoard ابزاری برای تجسم تمرین و نتایج است

با TensorBoard می‌توانید معیارهای آزمایشی مانند تلفات و دقت را ردیابی کنید، نمودار مدل را تجسم کنید، جاسازی‌ها را در فضایی با ابعاد پایین‌تر و موارد دیگر پروژه‌سازی کنید.

کاوش کنید

تنسورفلو هاب

TensorFlow Hub یک کتابخانه گسترده از مدل های موجود است

TensorFlow Hub کتابخانه ای برای انتشار، کشف و مصرف قطعات قابل استفاده مجدد از مدل های یادگیری ماشین به نام ماژول است.

کاوش کنید

به دنبال گسترش دانش ML خود هستید؟

استفاده از TensorFlow با درک اولیه اصول یادگیری ماشین و مفاهیم اصلی آسان تر است. روش های اساسی یادگیری ماشینی را بیاموزید و به کار ببرید تا مهارت های خود را توسعه دهید.

ML را یاد بگیرید

برای بهبود مهارت های خود در زمینه های اساسی ML با برنامه های درسی تنظیم شده شروع کنید.

بیشتر بدانید  

با TensorFlow شروع کنید

آموزش ها را کاوش کنید