Google 致力于为黑人社区推动种族平等。查看具体举措

Giới thiệu về TensorFlow

TensorFlow giúp người mới bắt đầu và các chuyên gia dễ dàng tạo các mô hình học máy cho máy tính để bàn, thiết bị di động, web và đám mây. Xem các phần bên dưới để bắt đầu.

TensorFlow

Tìm hiểu nền tảng của TensorFlow với các hướng dẫn cho người mới bắt đầu và các chuyên gia để giúp bạn tạo dự án máy học tiếp theo của mình.

Đối với JavaScript

Sử dụng TensorFlow.js để tạo các mô hình học máy mới và triển khai các mô hình hiện có bằng JavaScript.

Dành cho di động & IoT

Chạy suy luận với TensorFlow Lite trên thiết bị di động và thiết bị nhúng như Android, iOS, Edge TPU và Raspberry Pi.

Cho việc sản xuất

Triển khai một đường ống ML sẵn sàng sản xuất để đào tạo và suy luận bằng cách sử dụng TensorFlow Extended (TFX).

Hệ sinh thái TensorFlow

TensorFlow cung cấp một bộ sưu tập các quy trình làm việc để phát triển và đào tạo các mô hình sử dụng Python hoặc JavaScript và để dễ dàng triển khai trên đám mây, tại chỗ, trong trình duyệt hoặc trên thiết bị bất kể bạn sử dụng ngôn ngữ nào.

Tải và xử lý trước dữ liệu
Xây dựng, đào tạo và sử dụng lại các mô hình
Triển khai
Phát triển Python
CPU GPU TPU
TensorFlow
Xây dựng đường ống đầu vào TensorFlow
API tf.data cho phép bạn xây dựng các đường ống đầu vào phức tạp từ các mảnh đơn giản, có thể tái sử dụng.
Khám phá
TensorFlow
Xây dựng và đào tạo mô hình bằng Keras
tf.keras là một API cấp cao để xây dựng và đào tạo các mô hình. Nó hỗ trợ chức năng dành riêng cho TensorFlow, chẳng hạn như thực thi háo hức, đường ống dẫn dữ liệu tf.data và công cụ ước tính.
Khám phá
TensorFlow
Triển khai bằng Python
Triển khai trên thiết bị di động hoặc thiết bị edge, trong trình duyệt hoặc trên quy mô lớn bằng cách sử dụng TensorFlow Serving.
Phát triển JavaScript
GPU CPU
TensorFlow.js
Sử dụng các mô hình TensorFlow.js, TensorFlow hoặc TFLite được đào tạo trước và chạy chúng trên web hoặc các nền tảng JS khác.
Thiết bị cạnh
CPU GPU RPi
TensorFlow Lite
Triển khai trên thiết bị di động hoặc thiết bị nhúng, như Android, iOS và Raspberry Pi
Đọc hướng dẫn dành cho nhà phát triển và chọn một mô hình mới hoặc đào tạo lại một mô hình hiện có, chuyển đổi nó thành tệp nén, tải nó trên một thiết bị cạnh và sau đó tối ưu hóa nó.
Khám phá
Sản xuất từ ​​đầu đến cuối
CPU GPU TPU
TFX
Xác thực dữ liệu đầu vào với Xác thực dữ liệu TF
Xem cách sử dụng các thành phần TFX để phân tích và chuyển đổi dữ liệu của bạn trước khi bạn đào tạo một mô hình.
Khám phá
TFX
Kỹ thuật tính năng với TF Transform
Tìm hiểu cách xác định một chức năng tiền xử lý chuyển đổi dữ liệu thô thành dữ liệu được sử dụng để đào tạo mô hình học máy và xem cách triển khai Apache Beam được sử dụng để biến đổi dữ liệu bằng cách chuyển đổi chức năng tiền xử lý thành một đường ống Beam.
Khám phá
TFX
Mô hình hóa và đào tạo
Tìm hiểu cách đào tạo mô hình của bạn trong đường dẫn TFX như một quy trình được quản lý.
Khám phá
TFX
Hiểu hiệu suất của mô hình với phân tích mô hình TF
Xem cách Phân tích mô hình TensorFlow cho phép bạn thực hiện đánh giá mô hình trong đường dẫn TFX và trực quan hóa kết quả trong sổ ghi chép Jupyter.
Khám phá
TFX
Cung cấp các mô hình với REST API với TF Serving
Tìm hiểu cách TensorFlow Serving cho phép bạn triển khai các thuật toán và thử nghiệm mới trong khi vẫn giữ nguyên kiến ​​trúc máy chủ và API.
Khám phá
Công cụ
TensorBoard
TensorBoard là một công cụ để trực quan hóa quá trình đào tạo và kết quả
Với TensorBoard, bạn có thể theo dõi các số liệu thử nghiệm như mất mát và độ chính xác, trực quan hóa biểu đồ mô hình, nhúng dự án vào không gian có chiều thấp hơn và hơn thế nữa.
Khám phá
TensorFlow Hub
TensorFlow Hub là một thư viện phong phú về các mô hình hiện có
TensorFlow Hub là một thư viện để xuất bản, khám phá và tiêu thụ các phần có thể tái sử dụng của các mô hình học máy được gọi là mô-đun.
Khám phá

Tìm cách mở rộng kiến ​​thức ML của bạn?

TensorFlow dễ sử dụng hơn với sự hiểu biết cơ bản về các nguyên tắc học máy và các khái niệm cốt lõi. Tìm hiểu và áp dụng các phương pháp học máy cơ bản để phát triển các kỹ năng của bạn.

Tìm hiểu ML

Bắt đầu với các chương trình giảng dạy được tuyển chọn để nâng cao kỹ năng của bạn trong các lĩnh vực ML cơ bản.