TensorFlow 소개

TensorFlow를 사용하면 초보자와 전문가 모두 데스크톱, 모바일, 웹 및 클라우드용 머신러닝 모델을 쉽게 만들 수 있습니다. 시작하려면 아래 섹션을 참조하세요.

TensorFlow

다음 머신러닝 프로젝트를 만드는 데 도움이 되는 초보자 및 전문가용 튜토리얼로 TensorFlow의 기본 내용을 학습하세요.

자세히 알아보기

웹용

TensorFlow.js를 사용하여 새로운 머신러닝 모델을 만들고 자바스크립트로 기존 모델을 배포하세요.

자세히 알아보기

모바일 및 에지용

Android, iOS, Edge TPU 및 Raspberry Pi와 같은 모바일 및 임베디드 기기에서 TensorFlow Lite를 사용하여 추론을 실행하세요.

자세히 알아보기

프로덕션용

TFX를 사용하여 프로덕션에서 바로 사용 가능한 학습 및 추론용 ML 파이프라인을 배포하세요.

자세히 알아보기

성공적인 ML 결과를 얻기 위해 데이터 준비 및 로드하기

힘들게 만든 ML 모델의 성공 여부를 가르는 가장 중요한 요소는 바로 데이터입니다. TensorFlow는 규모에 따라 데이터를 통합, 정리, 전처리할 수 있도록 여러 가지 데이터 관련 도구를 제공합니다.

Standard datasets for initial training and validation
Highly scalable data pipelines for loading data
Preprocessing layers for common input transformations
Tools to validate and transform large datasets

Additionally, responsible AI tools help you uncover and eliminate bias in your data to produce fair, ethical outcomes from your models.

Colab에서 사용해 보기

이미지 데이터 세트 로드 및 전처리하기 데이터 세트 조사 및 시각화하기

TensorFlow 생태계로 모델 빌드 및 미세 조정하기

Explore an entire ecosystem built on the Core framework that streamlines model construction, training, and export. TensorFlow supports distributed training, immediate model iteration and easy debugging with Keras, and much more. Tools like Model Analysis and TensorBoard help you track development and improvement through your model’s lifecycle.

To help you get started, find collections of pre-trained models at TensorFlow Hub from Google and the community, or implementations of state-of-the art research models in the Model Garden. These libraries of high level components allow you to take powerful models, and fine-tune them on new data or customize them to perform new tasks.

Colab에서 사용해 보기

이미지를 분류하도록 신경망 학습시키기 전이 학습을 통해 이미지 분류기 다시 학습시키기

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 TensorFlow Lite 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 제공하기

프로덕션 ML을 위한 MLOps 구현

The TensorFlow platform helps you implement best practices for data automation, model tracking, performance monitoring, and model retraining.

Using production-level tools to automate and track model training over the lifetime of a product, service, or business process is critical to success. TFX provides software frameworks and tooling for full MLOps deployments, detecting issues as your data and models evolve over time.