Ta strona została przetłumaczona przez Cloud Translation API.
Switch to English

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.

W przypadku JavaScript

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

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.

Do produkcji

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

Swift dla TensorFlow

Zintegruj bezpośrednio z Swift for TensorFlow, platformą nowej generacji do głębokiego uczenia się i zróżnicowanego programowania.

Ekosystem TensorFlow

TensorFlow zapewnia zbiór przepływów pracy do tworzenia i trenowania modeli przy użyciu języka Python, JavaScript lub Swift 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
Szybki rozwój
CPU GPU TPU
Swift for TensorFlow (w wersji beta)
Twórz modele natywnie w Swift (beta)
Korzystanie z szybkiego różniczkowalnego programowania pozwala na pierwszorzędne wsparcie w języku programowania ogólnego przeznaczenia. Weź pochodne funkcji i błyskawicznie ułóż własne struktury danych. Dowiedz się, jak interfejsy API Swift zapewniają przejrzysty dostęp do wszystkich niskopoziomowych operatorów TensorFlow.
Badać
Urządzenia brzegowe
CPU GPU RPi
TensorFlow Lite
Wdrażaj na urządzeniach mobilnych lub wbudowanych, takich jak Android, iOS i Raspberry Pi
Przeczytaj przewodnik programisty i wybierz nowy model lub ponownie przeszkol 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 nieprzetworzone dane na dane używane do trenowania modelu uczenia maszynowego i zobacz, jak implementacja Apache Beam jest używana do przekształcania danych poprzez przekształcenie 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 Analiza modelu TensorFlow 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 metryki 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.