TensorFlow เป็นแพลตฟอร์มโอเพ่นซอร์สแบบ end-to-end สำหรับแมชชีนเลิร์นนิง
TensorFlow ทำให้ง่ายสำหรับผู้เริ่มต้นและผู้เชี่ยวชาญในการสร้างแบบจำลองการเรียนรู้ของเครื่อง ดูหัวข้อด้านล่างเพื่อเริ่มต้น
สำหรับผู้เริ่มต้น
จุดเริ่มต้นที่ดีที่สุดคือ Sequential API ที่ใช้งานง่าย คุณสามารถสร้างแบบจำลองได้โดยการต่อหน่วยการสร้างเข้าด้วยกัน เรียกใช้ตัวอย่าง “Hello World” ด้านล่าง จากนั้นไปที่บทช่วย สอน เพื่อเรียนรู้เพิ่มเติม
หากต้องการเรียนรู้ ML โปรดดู หน้าการศึกษา ของเรา เริ่มต้นด้วยหลักสูตรที่รวบรวมไว้เพื่อพัฒนาทักษะของคุณในด้าน ML พื้นฐาน
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)
สำหรับผู้เชี่ยวชาญ
Subclassing API จัดเตรียมอินเทอร์เฟซแบบกำหนดโดยรันสำหรับการวิจัยขั้นสูง สร้างคลาสสำหรับโมเดลของคุณ จากนั้นเขียน Forward Pass อย่างจำเป็น สร้างเลเยอร์ที่กำหนดเอง การเปิดใช้งาน และลูปการฝึกอบรมได้อย่างง่ายดาย เรียกใช้ตัวอย่าง “Hello World” ด้านล่าง จากนั้นไปที่บทช่วย สอน เพื่อเรียนรู้เพิ่มเติม
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))
แนวทางแก้ไขปัญหาทั่วไป
สำรวจบทช่วยสอนทีละขั้นตอนเพื่อช่วยคุณในโครงการของคุณ
ฝึกโครงข่ายประสาทเทียมเพื่อจำแนกภาพเสื้อผ้า เช่น รองเท้าผ้าใบและเสื้อเชิ้ต ในภาพรวมอย่างรวดเร็วของโปรแกรม TensorFlow ฉบับสมบูรณ์
ฝึกอบรมเครือข่ายปฏิปักษ์ generative เพื่อสร้างภาพของตัวเลขที่เขียนด้วยลายมือ โดยใช้ Keras Subclassing API
ฝึกโมเดลตามลำดับสำหรับการแปลภาษาสเปนเป็นภาษาอังกฤษโดยใช้ Keras Subclassing API