TensorFlow मशीन सीखने के लिए एंड-टू-एंड ओपन सोर्स प्लेटफॉर्म है
TensorFlow मशीन सीखने के मॉडल बनाने के लिए शुरुआती और विशेषज्ञों के लिए आसान बनाता है। आरंभ करने के लिए नीचे दिए गए अनुभाग देखें।
नौसिखिये के लिए
शुरू करने के लिए सबसे अच्छी जगह उपयोगकर्ता के अनुकूल अनुक्रमिक एपीआई के साथ है। आप बिल्डिंग ब्लॉक्स को एक साथ जोड़कर मॉडल बना सकते हैं। नीचे "हैलो वर्ल्ड" उदाहरण चलाएं, फिर अधिक जानने के लिए ट्यूटोरियल पर जाएं।
एमएल सीखने के लिए, हमारे शिक्षा पृष्ठ देखें । मूलभूत एमएल क्षेत्रों में अपने कौशल को बेहतर बनाने के लिए क्यूरेटिड क्यूरिकुलम के साथ शुरुआत करें।
import tensorflow as tf
mnist = tf.keras.datasets.mnist
(x_train, y_train),(x_test, y_test) = mnist.load_data()
x_train, x_test = x_train / 255.0, x_test / 255.0
model = tf.keras.models.Sequential([
tf.keras.layers.Flatten(input_shape=(28, 28)),
tf.keras.layers.Dense(128, activation='relu'),
tf.keras.layers.Dropout(0.2),
tf.keras.layers.Dense(10, activation='softmax')
])
model.compile(optimizer='adam',
loss='sparse_categorical_crossentropy',
metrics=['accuracy'])
model.fit(x_train, y_train, epochs=5)
model.evaluate(x_test, y_test)
विशेषज्ञों के लिए
उपक्लासिंग एपीआई उन्नत अनुसंधान के लिए एक परिभाषित बाय-रन इंटरफ़ेस प्रदान करता है। अपने मॉडल के लिए एक क्लास बनाएं, फिर फॉरवर्ड पास को अनिवार्य रूप से लिखें। आसानी से लेखक कस्टम परतों, सक्रियण, और प्रशिक्षण छोरों। नीचे "हैलो वर्ल्ड" उदाहरण चलाएं, फिर अधिक जानने के लिए ट्यूटोरियल पर जाएं।
class MyModel(tf.keras.Model):
def __init__(self):
super(MyModel, self).__init__()
self.conv1 = Conv2D(32, 3, activation='relu')
self.flatten = Flatten()
self.d1 = Dense(128, activation='relu')
self.d2 = Dense(10, activation='softmax')
def call(self, x):
x = self.conv1(x)
x = self.flatten(x)
x = self.d1(x)
return self.d2(x)
model = MyModel()
with tf.GradientTape() as tape:
logits = model(images)
loss_value = loss(logits, labels)
grads = tape.gradient(loss_value, model.trainable_variables)
optimizer.apply_gradients(zip(grads, model.trainable_variables))
आम समस्याओं का समाधान
अपनी परियोजनाओं में आपकी सहायता करने के लिए चरण-दर-चरण ट्यूटोरियल देखें।
एक पूर्ण TensorFlow कार्यक्रम के इस तेजी से पुस्तक अवलोकन में, स्नीकर्स और शर्ट की तरह कपड़ों की छवियों को वर्गीकृत करने के लिए एक तंत्रिका नेटवर्क को प्रशिक्षित करें।
करस सबक्लासिंग एपीआई का उपयोग करते हुए हस्तलिखित अंकों की छवियों को उत्पन्न करने के लिए एक पीढ़ी के प्रतिकूल नेटवर्क को प्रशिक्षित करें।
केरस सबक्लासिंग एपीआई का उपयोग करते हुए स्पेनिश से अंग्रेजी अनुवाद के लिए अनुक्रम-टू-सीक्वेंस मॉडल को प्रशिक्षित करें।
समाचार और घोषणाएँ
अतिरिक्त अपडेट के लिए हमारे ब्लॉग को देखें और अपने इनबॉक्स में सीधे भेजे गए नवीनतम घोषणाओं को प्राप्त करने के लिए हमारे मासिक TensorFlow न्यूज़लेटर की सदस्यता लें।
हम TensorFlow Recommendenders (TFRS), एक ओपन-सोर्स TensorFlow पैकेज पेश करने के लिए उत्साहित हैं, जो परिष्कृत अनुशंसात्मक मॉडल का निर्माण, मूल्यांकन और सेवा करना आसान बनाता है।
TF-Coder एक प्रोग्राम सिंथेसिस टूल है जो आपको TensorFlow कोड लिखने में मदद करता है। सीधे तौर पर ट्रिकी टेनर जोड़तोड़ को कोड करने के बजाय, इसे एक उदाहरण के माध्यम से प्रदर्शित करता है और TF-Coder स्वचालित रूप से संबंधित कोड प्रदान करता है। अपने आप को एक कोडेलब में आज़माएं!
एक वजन क्लस्टरिंग एपीआई का परिचय, प्रस्तावित और आर्म द्वारा योगदान। वेट क्लस्टरिंग बहुत कम यूनीक मानों के साथ कई अद्वितीय पैरामीटर मानों को बदलकर आपके मॉडल के भंडारण और स्थानांतरण आकार को कम करने में मदद करता है।
देखें कि आप लोकप्रिय हिट "डांस मंकी" के गीतों को कितनी अच्छी तरह से सिंक्रनाइज़ करते हैं। यह-इन-ब्राउज़र अनुभव लिप्स-सेंसिंग सटीकता को प्राप्त करने के लिए होठों के चारों ओर प्रमुख बिंदुओं का आकलन करने के लिए फेसमेश मॉडल का उपयोग करता है।