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

Swift dla TensorFlow

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

Ucz się więcej

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.

Ucz się więcej  

Zacznij korzystać z TensorFlow

Przeglądaj samouczki