Google 致力于为黑人社区推动种族平等。查看具体举措。

TensorFlow 简介

借助 TensorFlow，初学者和专家可以轻松创建适用于桌面、移动、网络和云端环境的机器学习模型。请参阅以下几部分，了解如何开始使用。

TensorFlow

通过面向初学者和专家的教程学习 TensorFlow 的基础知识，运用这些知识创建下一个机器学习项目。

了解详情

针对 JavaScript

通过 TensorFlow.js 使用 JavaScript 创建新的机器学习模型和部署现有模型。

了解详情

针对移动设备和 IoT 设备

使用 TensorFlow Lite 在 Android、iOS、Edge TPU 和 Raspberry Pi 等移动设备和嵌入式设备上进行推断。

了解详情

针对生产

使用 TensorFlow Extended (TFX) 部署可正式投入使用的机器学习流水线，以进行训练和推断。

了解详情

TensorFlow 生态系统

TensorFlow 提供了一系列工作流，可供您使用 Python 或 JavaScript 开发和训练模型，并在云端、本地、浏览器中或设备上轻松地部署模型，无论您采用什么语言，都能提供支持。

加载和预处理数据
构建、训练和重复使用模型
部署
Python 开发
CPU GPU TPU
TensorFlow
构建 TensorFlow 输入流水线
借助 tf.data API，您可以根据简单的可重用片段构建复杂的输入流水线。
探索
TensorFlow
使用 Keras 构建和训练模型
tf.keras 是一个用于构建和训练模型的高阶 API，它支持 TensorFlow 特定功能（例如即刻执行、tf.data 流水线和 Estimator）。
探索
TensorFlow
使用 Python 部署模型
使用 TensorFlow Serving 在移动设备或边缘设备上、在浏览器中部署模型，或者大规模部署模型。
JavaScript 开发
CPU GPU TPU
TensorFlow.js
导入 Python 模型，或使用 JavaScript 编写一个模型
了解如何将预训练模型从 Python 转换为 TensorFlow.js，以及如何直接使用 JavaScript 构建和训练模型。
探索
TensorFlow.js
在浏览器或 Node.js 中部署模型
了解如何在浏览器中、Node.js 上或 Google Cloud Platform 上部署 TensorFlow.js 模型。
探索
边缘设备
CPU GPU RPi
TensorFlow Lite
在移动设备或嵌入式设备（例如 Android、iOS 和 Raspberry Pi）上部署模型
阅读开发者指南，选择新模型或重新训练现有模型，将模型转换为压缩文件并加载到边缘设备上，然后对其进行优化。
探索
端到端生产
CPU GPU TPU
TFX
使用 TF 数据验证来验证输入数据
了解如何在训练模型之前使用 TFX 组件分析和转换数据。
探索
TFX
使用 TF Transform 进行特征工程
了解如何定义将原始数据转换为训练机器学习模型用到的数据的预处理函数，并了解如何使用 Apache Beam 实现来转换数据（通过将预处理函数转换为 Beam 流水线）。
探索
TFX
建模和训练
了解如何在 TFX 流水线中以托管流程的形式训练模型。
探索
TFX
通过 TF 模型分析了解模型性能
了解如何利用 TensorFlow 模型分析在 TFX 流水线中执行模型评估，并在 Jupyter 笔记本中可视化结果。
探索
TFX
通过 REST API 和 TF Serving 应用模型
了解 TensorFlow Serving 如何让您在保留相同的服务器架构和 API 的同时部署新的算法和实验。
探索
工具
TensorBoard
TensorBoard 是一款可视化训练过程和结果的工具
借助 TensorBoard，您可以跟踪实验指标（例如损失和准确率）、可视化模型图以及将嵌入投射到较低的维度空间等。
探索
TensorFlow Hub
TensorFlow Hub 是一个资源丰富的现有模型库
TensorFlow Hub 是一个库，用于发布、发现和使用机器学习模型中可重复利用的部分（称为“模块”）。
探索

想要扩充您的机器学习知识面？

如果您基本了解机器学习的原理和核心概念，TensorFlow 就会更易于使用。学习并应用机器学习的基本做法以培养您的技能。

学习机器学习知识

从精选课程着手，提升您在机器学习基础领域的技能。

了解详情  

开始使用 TensorFlow

浏览教程