Wprowadzenie do TensorFlow

TensorFlow ułatwia początkującym i ekspertom tworzenie modeli uczenia maszynowego dla komputerów stacjonarnych, urządzeń przenośnych, sieci Web i chmury. Aby rozpocząć, zapoznaj się z poniższymi sekcjami.

TensorFlow

Poznaj podstawy TensorFlow dzięki samouczkom dla początkujących i ekspertów, które pomogą Ci stworzyć następny projekt uczenia maszynowego.

Ucz się więcej

W przypadku JavaScript

Użyj TensorFlow.js do tworzenia nowych modeli uczenia maszynowego i wdrażania istniejących modeli za pomocą JavaScript.

Ucz się więcej

Dla urządzeń mobilnych i IoT

Korzystaj z wnioskowania z TensorFlow Lite na urządzeniach mobilnych i wbudowanych, takich jak Android, iOS, Edge TPU i Raspberry Pi.

Ucz się więcej

Do produkcji

Wdróż gotowy do produkcji potok ML na potrzeby szkolenia i wnioskowania przy użyciu TensorFlow Extended (TFX).

Ucz się więcej

Ekosystem TensorFlow

TensorFlow zapewnia zbiór przepływów pracy do tworzenia i trenowania modeli przy użyciu języka Python lub JavaScript oraz do łatwego wdrażania w chmurze, lokalnie, w przeglądarce lub na urządzeniu, niezależnie od używanego języka.

Ładowanie i przetwarzanie wstępne danych

Twórz, trenuj i ponownie wykorzystuj modele

Rozmieścić

Rozwój w Pythonie

CPU GPU TPU

TensorFlow

Tworzenie potoków wejściowych TensorFlow

Interfejs API tf.data umożliwia tworzenie złożonych potoków wejściowych z prostych elementów wielokrotnego użytku.

Badać

TensorFlow

Twórz i trenuj modele za pomocą Keras

tf.keras to interfejs API wysokiego poziomu do tworzenia i trenowania modeli. Obsługuje funkcje specyficzne dla TensorFlow, takie jak przyspieszone wykonywanie, potoki tf.data i estymatory.

Badać

TensorFlow

Wdróż za pomocą Pythona

Wdrażaj na urządzeniu mobilnym lub granicznym, w przeglądarce lub na dużą skalę przy użyciu usługi TensorFlow Serving.

Rozwój JavaScript

CPU GPU TPU

TensorFlow.js

Zaimportuj model Pythona lub napisz go w JavaScript

Dowiedz się, jak konwertować wstępnie wytrenowane modele z języka Python do TensorFlow.js, a także jak budować i trenować modele bezpośrednio w JavaScript.

Badać

TensorFlow.js

Wdróż w przeglądarce lub Node.js.

Dowiedz się, jak wdrożyć modele TensorFlow.js w przeglądarce, na node.js lub na platformie Google Cloud.

Badać

Urządzenia brzegowe

CPU GPU RPi

TensorFlow Lite

Wdrażaj na urządzeniach mobilnych lub wbudowanych, takich jak Android, iOS i Raspberry Pi

Przeczytaj przewodnik dla programistów i wybierz nowy model lub przekwalifikuj istniejący, przekonwertuj go na plik skompresowany, załaduj na urządzenie brzegowe, a następnie zoptymalizuj.

Badać

Produkcja od końca do końca

CPU GPU TPU

TFX

Sprawdź poprawność danych wejściowych za pomocą walidacji danych TF

Zobacz, jak używać składników TFX do analizowania i przekształcania danych, zanim jeszcze wytrenujesz model.

Badać

TFX

Inżynieria funkcji z TF Transform

Dowiedz się, jak zdefiniować funkcję przetwarzania wstępnego, która przekształca surowe dane na dane używane do trenowania modelu uczenia maszynowego i zobacz, jak implementacja Apache Beam jest używana do przekształcania danych poprzez przekształcanie funkcji przetwarzania wstępnego w potok Beam.

Badać

TFX

Modelowanie i szkolenie

Dowiedz się, jak trenować modele w potoku TFX jako proces zarządzany.

Badać

TFX

Zrozumienie wydajności modelu za pomocą analizy modelu TF

Zobacz, jak TensorFlow Model Analysis umożliwia przeprowadzanie ocen modeli w potoku TFX i wizualizację wyników w notatniku Jupyter.

Badać

TFX

Obsługuj modele za pomocą REST API z obsługą TF

Dowiedz się, jak usługa TensorFlow Serving umożliwia wdrażanie nowych algorytmów i eksperymentów przy zachowaniu tej samej architektury serwera i interfejsów API.

Badać

Przybory

TensorBoard

TensorBoard to narzędzie do wizualizacji treningu i wyników

Dzięki TensorBoard możesz śledzić wskaźniki eksperymentu, takie jak straty i dokładność, wizualizować wykres modelu, projektować osadzenia w przestrzeni o niższych wymiarach i nie tylko.

Badać

TensorFlow Hub

TensorFlow Hub to obszerna biblioteka istniejących modeli

TensorFlow Hub to biblioteka służąca do publikowania, odkrywania i wykorzystywania części modeli uczenia maszynowego, które można ponownie wykorzystać, zwanych modułami.

Badać

Chcesz poszerzyć swoją wiedzę ML?

TensorFlow jest łatwiejszy w użyciu dzięki podstawowemu zrozumieniu zasad uczenia maszynowego i podstawowych pojęć. Naucz się i stosuj podstawowe praktyki uczenia maszynowego, aby rozwijać swoje umiejętności.

Dowiedz się ML

Rozpocznij od programów nauczania, aby poprawić swoje umiejętności w podstawowych obszarach ML.

Ucz się więcej  

Zacznij korzystać z TensorFlow

Przeglądaj samouczki