Google 致力于为黑人社区推动种族平等。查看具体举措

TensorFlow 簡介

無論你是新手還是專家,TensorFlow 都能讓你輕鬆建立適用於桌上型電腦、行動裝置、網路和雲端的機器學習模型。如要開始使用,請參閱下列各節。

TensorFlow

透過我們為新手和專家打造的教學課程,瞭解 TensorFlow 的基礎知識,讓自己製作下一個機器學習專案更得心應手。

適用於 JavaScript

使用 TensorFlow.js 建立新的機器學習模型,並使用 JavaScript 部署現有模型。

適用於行動裝置及 IoT

使用 TensorFlow Lite 在行動裝置和嵌入式裝置 (例如 Android、iOS、Edge TPU 和 Raspberry Pi) 上執行推論。

適用於生產環境

使用 TensorFlow Extended (TFX) 部署可用於生產環境的機器學習管線,進行訓練和推論。

Swift for TensorFlow

直接整合 Swift for TensorFlow 這個支援深度學習和可微分程式設計的新一代平台。

TensorFlow 生態系統

TensorFlow 提供了一系列的工作流程,可使用 Python、JavaScript 或 Swift 來開發及訓練模型,無論你使用的是哪一種語言,都能在雲端、內部端、瀏覽器端或裝置端輕鬆部署模型。

載入及預先處理資料
建構、訓練及重複使用模型
部署
TensorFlow
建立 TensorFlow 輸入管線
tf.data API 可讓你利用簡單、可重複使用的零件打造複雜的輸入管線。
探索
TensorFlow
使用 Keras 建構及訓練模型
tf.keras 是用於打造和訓練模型的高階 API,支援 TensorFlow 專用的功能,例如 Eager Execution、tf.data 管線和 Estimator。
探索
TensorFlow
使用 Python 部署
使用 TensorFlow Serving 在行動/邊緣裝置或瀏覽器中部署,或是進行大規模部署。
TensorFlow.js
匯入 Python 模型,或使用 JavaScript 編寫模型
瞭解如何將預先訓練的模型從 Python 轉換為 TensorFlow.js,以及如何直接以 JavaScript 建構及訓練模型。
探索
TensorFlow.js
在瀏覽器或 Node.js 中部署
瞭解如何在瀏覽器、node.js 或 Google Cloud Platform 上部署 TensorFlow.js 模型。
探索
Swift for TensorFlow (Beta 版)
在 Swift 中原生開發模型 (Beta 版)
使用 Swift 可微分程式設計時,可在一般用途程式設計語言中獲得最佳支援。利用函式的導數,即可立即讓自訂資料結構變為可微分。瞭解 Swift API 如何讓你公開透明地存取所有低階 TensorFlow 運算子。
探索
TensorFlow Lite
在行動裝置或內嵌式裝置中部署 (例如 Android、iOS 和 Raspberry Pi)
閱讀開發人員指南,選擇新模型或重新訓練現有模型,將其轉換為壓縮檔並載入到邊緣裝置上,然後對其進行最佳化。
探索
TFX
使用 TF 資料驗證工具來驗證輸入資料
在訓練模型之前,請參閱如何使用 TFX 元件來分析及轉換資料。
探索
TFX
使用 TF Transform 進行特徵工程
瞭解如何定義將原始資料轉換為機器學習模型訓練資料的預先處理功能,以及如何透過將預先處理功能轉換為 Beam 管線,讓 Apache Beam 實作能用於轉換資料。
探索
TFX
模型設計和訓練
瞭解如何在 TFX 管線中以 Managed 處理序訓練模型。
探索
TFX
透過 TF 模型分析,瞭解模型效能
瞭解 TensorFlow 模型分析如何讓你在 TFX 管線中執行模型評估,並在 Jupyter 筆記本中將結果視覺化。
探索
TFX
透過 TF Serving 使用 REST API 提供模型
瞭解 TensorFlow Serving 如何在維持相同伺服器架構和 API 下,部署新演算法和實驗。
探索
TensorBoard
TensorBoard 是可將訓練和結果視覺化的工具
透過 TensorBoard,你可以追蹤實驗指標 (例如損失和準確率)、將模型圖視覺化、將嵌入項目投影到較小尺寸的空間等。
探索
TensorFlow Hub
TensorFlow Hub 是提供現有模型的豐富程式庫
TensorFlow Hub 程式庫是用來發布、探索和使用機器學習模型 (稱為「模組」) 中可重複利用的部分。
探索

想要拓展你的機器學習知識嗎?

如對機器學習的原則和核心概念有基本瞭解,使用 TensorFlow 會更加得心應手。學習機器學習的基礎做法並加以應用,以培養技能。

瞭解機器學習

從精選課程著手,精進自己在機器學習基礎領域的技能。