Введение в TensorFlow
TensorFlow позволяет новичкам и экспертам легко создавать модели машинного обучения для настольных компьютеров, мобильных устройств, Интернета и облака. Чтобы начать, ознакомьтесь с разделами ниже.
Тензорфлоу
Изучите основы TensorFlow с помощью руководств для новичков и экспертов, которые помогут вам создать следующий проект машинного обучения.
Для Интернета
Используйте TensorFlow.js для создания новых моделей машинного обучения и развертывания существующих моделей с помощью JavaScript.
Для мобильных устройств и периферийных устройств
Выполняйте логические выводы с помощью LiteRT на мобильных и встроенных устройствах, таких как Android, iOS, Edge TPU и Raspberry Pi.
Для производства
Разверните готовый к работе конвейер машинного обучения для обучения и вывода с помощью TFX.
Комплексная платформа для машинного обучения
Подготовьте и загрузите данные для успешных результатов ML
Данные могут стать наиболее важным фактором успеха ваших усилий по машинному обучению. TensorFlow предлагает несколько инструментов обработки данных, которые помогут вам консолидировать, очищать и предварительно обрабатывать данные в любом масштабе:
Стандартные наборы данных для первоначального обучения и проверки
Высокомасштабируемые конвейеры данных для загрузки данных
Слои предварительной обработки для общих входных преобразований
Инструменты для проверки и преобразования больших наборов данных
Кроме того, ответственные инструменты искусственного интеллекта помогут вам выявить и устранить предвзятость в ваших данных, чтобы получить справедливые и этические результаты на основе ваших моделей.
Создавайте и настраивайте модели с помощью экосистемы TensorFlow.
Исследуйте всю экосистему, построенную на платформе Core , которая упрощает создание, обучение и экспорт моделей. TensorFlow поддерживает распределенное обучение, немедленную итерацию модели, простую отладку с помощью Keras и многое другое. Такие инструменты, как Model Analysis и TensorBoard, помогают отслеживать развитие и улучшение на протяжении жизненного цикла вашей модели.
Чтобы помочь вам начать работу, найдите коллекции предварительно обученных моделей в TensorFlow Hub от Google и сообщества или реализации современных исследовательских моделей в Model Garden . Эти библиотеки компонентов высокого уровня позволяют вам использовать мощные модели и точно настраивать их на новых данных или настраивать для выполнения новых задач.
Развертывайте модели на устройстве, в браузере, локально или в облаке.
TensorFlow предоставляет надежные возможности для развертывания ваших моделей в любой среде — серверах, периферийных устройствах, браузерах, мобильных устройствах, микроконтроллерах, процессорах, графических процессорах, FPGA. TensorFlow Serving может запускать модели машинного обучения в промышленном масштабе на самых передовых процессорах в мире, включая специальные тензорные процессоры Google (TPU).
Если вам необходимо проанализировать данные вблизи их источника, чтобы уменьшить задержку и повысить конфиденциальность данных, платформа LiteRT позволяет запускать модели на мобильных устройствах, периферийных вычислительных устройствах и даже микроконтроллерах, а платформа TensorFlow.js позволяет запускать машинное обучение с помощью всего лишь веб-браузер.
Попробуйте это в Колабе
Обслуживание модели с помощью TensorFlow ServingВнедрение MLOps для производственного машинного обучения
Платформа TensorFlow помогает вам реализовать лучшие практики автоматизации данных, отслеживания моделей, мониторинга производительности и переобучения моделей.
Использование инструментов производственного уровня для автоматизации и отслеживания обучения моделей на протяжении всего срока службы продукта, услуги или бизнес-процесса имеет решающее значение для успеха. TFX предоставляет программные платформы и инструменты для полного развертывания MLOps, выявляя проблемы по мере развития ваших данных и моделей с течением времени.
Попробуйте это в Колабе
Создайте и запустите простой конвейер TFX. Отслеживание происхождения с помощью метаданных MLХотите расширить свои знания в области машинного обучения?
TensorFlow проще использовать при базовом понимании принципов и основных концепций машинного обучения. Изучите и применяйте фундаментальные методы машинного обучения для развития своих навыков.
Начните с тщательно подобранных учебных программ, чтобы улучшить свои навыки в базовых областях машинного обучения.
Введение в TensorFlow
TensorFlow позволяет новичкам и экспертам легко создавать модели машинного обучения для настольных компьютеров, мобильных устройств, Интернета и облака. Чтобы начать, ознакомьтесь с разделами ниже.
Тензорфлоу
Изучите основы TensorFlow с помощью руководств для новичков и экспертов, которые помогут вам создать следующий проект машинного обучения.
Для Интернета
Используйте TensorFlow.js для создания новых моделей машинного обучения и развертывания существующих моделей с помощью JavaScript.
Для мобильных устройств и периферийных устройств
Выполняйте логические выводы с помощью LiteRT на мобильных и встроенных устройствах, таких как Android, iOS, Edge TPU и Raspberry Pi.
Для производства
Разверните готовый к работе конвейер машинного обучения для обучения и вывода с помощью TFX.
Комплексная платформа для машинного обучения
Подготовьте и загрузите данные для успешных результатов ML
Данные могут стать наиболее важным фактором успеха ваших усилий по машинному обучению. TensorFlow предлагает несколько инструментов обработки данных, которые помогут вам консолидировать, очищать и предварительно обрабатывать данные в любом масштабе:
Стандартные наборы данных для первоначального обучения и проверки
Высокомасштабируемые конвейеры данных для загрузки данных
Слои предварительной обработки для общих входных преобразований
Инструменты для проверки и преобразования больших наборов данных
Кроме того, ответственные инструменты искусственного интеллекта помогут вам выявить и устранить предвзятость в ваших данных, чтобы обеспечить справедливые и этические результаты на основе ваших моделей.
Создавайте и настраивайте модели с помощью экосистемы TensorFlow.
Исследуйте всю экосистему, построенную на платформе Core , которая упрощает создание, обучение и экспорт моделей. TensorFlow поддерживает распределенное обучение, немедленную итерацию модели, простую отладку с помощью Keras и многое другое. Такие инструменты, как Model Analysis и TensorBoard, помогают отслеживать развитие и улучшение на протяжении жизненного цикла вашей модели.
Чтобы помочь вам начать работу, найдите коллекции предварительно обученных моделей в TensorFlow Hub от Google и сообщества или реализации современных исследовательских моделей в Model Garden . Эти библиотеки компонентов высокого уровня позволяют вам использовать мощные модели и точно настраивать их на новых данных или настраивать для выполнения новых задач.
Развертывайте модели на устройстве, в браузере, локально или в облаке.
TensorFlow предоставляет надежные возможности для развертывания ваших моделей в любой среде — серверах, периферийных устройствах, браузерах, мобильных устройствах, микроконтроллерах, процессорах, графических процессорах, FPGA. TensorFlow Serving может запускать модели машинного обучения в промышленном масштабе на самых передовых процессорах в мире, включая специальные тензорные процессоры Google (TPU).
Если вам необходимо проанализировать данные вблизи их источника, чтобы уменьшить задержку и повысить конфиденциальность данных, платформа LiteRT позволяет запускать модели на мобильных устройствах, периферийных вычислительных устройствах и даже микроконтроллерах, а платформа TensorFlow.js позволяет запускать машинное обучение с помощью всего лишь веб-браузер.
Попробуйте это в Колабе
Обслуживание модели с помощью TensorFlow ServingВнедрение MLOps для производственного машинного обучения
Платформа TensorFlow помогает вам реализовать лучшие практики автоматизации данных, отслеживания моделей, мониторинга производительности и переобучения моделей.
Использование инструментов производственного уровня для автоматизации и отслеживания обучения моделей на протяжении всего срока службы продукта, услуги или бизнес-процесса имеет решающее значение для успеха. TFX предоставляет программные платформы и инструменты для полного развертывания MLOps, выявляя проблемы по мере развития ваших данных и моделей с течением времени.
Попробуйте это в Колабе
Создайте и запустите простой конвейер TFX. Отслеживание происхождения с помощью метаданных MLХотите расширить свои знания в области машинного обучения?
TensorFlow проще использовать при наличии базового понимания принципов и основных концепций машинного обучения. Изучите и применяйте фундаментальные методы машинного обучения для развития своих навыков.
Начните с тщательно подобранных учебных программ, чтобы улучшить свои навыки в базовых областях машинного обучения.