Wprowadzenie do TensorFlow

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

Przepływ Tensora

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

Ucz się więcej

Dla JavaScript

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

Ucz się więcej

Do urządzeń mobilnych i IoT

Uruchom wnioskowanie za pomocą 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 do uczenia i wnioskowania przy użyciu TensorFlow Extended (TFX).

Ucz się więcej

Ekosystem TensorFlow

TensorFlow zapewnia zbiór przepływów pracy do opracowywania i trenowania modeli przy użyciu języka Python lub JavaScript oraz do łatwego wdrażania w chmurze, lokalnie, w przeglądarce lub na urządzeniu, bez względu na używany język.

Ładowanie i wstępne przetwarzanie danych

Buduj, trenuj i ponownie wykorzystuj modele

Wdrożyć

Rozwój Pythona

GPU procesora TPU

Przepływ Tensora

Zbuduj potoki wejściowe TensorFlow

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

Badać

Przepływ Tensora

Twórz i trenuj modele za pomocą Keras

tf.keras to wysokopoziomowe API do budowania i trenowania modeli. Obsługuje funkcje specyficzne dla TensorFlow, takie jak szybkie wykonywanie, potoki tf.data i estymatory.

Badać

Przepływ Tensora

Wdrażaj za pomocą Pythona

Wdrażaj na urządzeniu mobilnym lub brzegowym, w przeglądarce lub na dużą skalę za pomocą TensorFlow Serving.

Rozwój JavaScript

Procesor GPU

TensorFlow.js

Korzystaj ze wstępnie wyszkolonych modeli TensorFlow.js, TensorFlow lub TFLite i uruchamiaj je w Internecie lub innych platformach JS.

Badać

Urządzenia brzegowe

Procesor GPU RPi

TensorFlow Lite

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

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

Badać

Produkcja od końca do końca

GPU procesora TPU

TFX

Sprawdź poprawność danych wejściowych za pomocą walidacji danych TF

Zobacz, jak używać komponentów TFX do analizowania i przekształcania danych, zanim jeszcze zaczniesz trenować model.

Badać

TFX

Inżynieria funkcji z TF Transform

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

Badać

TFX

Modelowanie i szkolenia

Dowiedz się, jak trenować modele w potoku TFX jako zarządzanym procesie.

Badać

TFX

Zrozumienie wydajności modelu dzięki analizie modelu TF

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

Badać

TFX

Obsługuj modele za pomocą REST API z TF Serving

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

Badać

Narzędzia

Tensorboard

TensorBoard to narzędzie do wizualizacji treningu i wyników

Dzięki TensorBoard możesz śledzić metryki eksperymentu, takie jak straty i dokładność, wizualizować wykres modelu, umieszczać projekty w niższych przestrzeniach wymiarowych i nie tylko.

Badać

Centrum TensorFlow

TensorFlow Hub to obszerna biblioteka istniejących modeli

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

Badać

Chcesz poszerzyć swoją wiedzę na temat uczenia maszynowego?

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

Zacznij od wyselekcjonowanych programów nauczania, aby poprawić swoje umiejętności w podstawowych obszarach uczenia maszynowego.

Ucz się więcej  

Zacznij korzystać z TensorFlow

Przeglądaj samouczki