TensorFlow 소개
TensorFlow를 사용하면 초보자와 전문가 모두 데스크톱, 모바일, 웹 및 클라우드용 머신러닝 모델을 쉽게 만들 수 있습니다. 시작하려면 아래 섹션을 참조하세요.
모바일 및 에지용
Run inference with LiteRT on mobile and embedded devices like Android, iOS, Edge TPU, and Raspberry Pi.
엔드 투 엔드 머신러닝 플랫폼
성공적인 ML 결과를 얻기 위해 데이터 준비 및 로드하기
TensorFlow 생태계로 모델 빌드 및 미세 조정하기
모델 구축, 학습, 내보내기를 간소화하는 핵심 프레임워크를 토대로 구축된 전체 생태계를 살펴보세요. TensorFlow는 Keras를 사용한 분산 학습, 즉각적인 모델 반복, 간편한 디버깅 등 다양한 기능을 지원합니다. 모델 분석 및 텐서보드와 같은 도구를 사용하면 모델의 수명 주기에 따라 개발 및 개선 상황을 추적할 수 있습니다.
TensorFlow를 시작하려면 TensorFlow Hub에서 Google 및 커뮤니티에서 제공한 선행 학습된 모델 모음을 찾아보세요. 아니면 모델 가든에서 최신 연구 모델이 어떻게 구현되었는지 살펴봐도 됩니다. 이러한 고급 구성요소 라이브러리에서 강력한 성능의 모델을 활용할 수 있으며, 새로운 데이터로 모델을 미세 조정하거나 맞춤설정하여 새로운 작업을 수행하게 할 수도 있습니다.
기기, 브라우저, 온프레미스, 클라우드에 모델 배포하기
TensorFlow provides robust capabilities to deploy your models on any environment - servers, edge devices, browsers, mobile, microcontrollers, CPUs, GPUs, FPGAs. TensorFlow Serving can run ML models at production scale on the most advanced processors in the world, including Google's custom Tensor Processing Units (TPUs).
If you need to analyze data close to its source to reduce latency and improve data privacy, the LiteRT framework lets you run models on mobile devices, edge computing devices, and even microcontrollers, and the TensorFlow.js framework lets you run machine learning with just a web browser.
Colab에서 사용해 보기
TensorFlow Serving으로 모델 제공하기프로덕션 ML을 위한 MLOps 구현
TensorFlow 플랫폼에서 데이터 자동화, 모델 추적, 성능 모니터링, 모델 재학습을 위한 권장사항을 구현하세요.
성공을 거두려면 프로덕션급 도구를 사용하여 제품, 서비스, 비즈니스 프로세스의 전체 기간에 걸쳐 모델 학습을 자동화하고 추적해야 합니다. TFX는 전체 MLOps 배포를 위한 소프트웨어 프레임워크와 도구를 제공하므로 시간이 지남에 따라 진화하는 데이터와 모델에서 문제를 감지할 수 있습니다.
ML 지식을 넓히고 싶으신가요?
TensorFlow는 머신러닝의 원리와 핵심 개념에 관한 기본적인 이해가 있으면 더욱 쉽게 사용할 수 있습니다. 기본적인 머신러닝 관행을 배우고 적용하여 기술을 발전시켜 보세요.
