TensorFlow, makine öğrenimi için uçtan uca bir açık kaynak platformudur

TensorFlow, yeni başlayanların ve uzmanların makine öğrenimi modelleri oluşturmasını kolaylaştırır. Başlamak için aşağıdaki bölümlere bakın.

Öğreticilere bakın

Öğreticiler, eksiksiz, uçtan uca örneklerle TensorFlow'u nasıl kullanacağınızı gösterir.

kılavuza bakın

Kılavuzlar, TensorFlow'un kavramlarını ve bileşenlerini açıklar.

Yeni başlayanlar için

Başlamak için en iyi yer, kullanıcı dostu Sıralı API'dir. Yapı taşlarını birbirine bağlayarak modeller oluşturabilirsiniz. Aşağıdaki "Merhaba Dünya" örneğini çalıştırın, ardından daha fazla bilgi edinmek için öğreticileri ziyaret edin.

ML öğrenmek için eğitim sayfamıza göz atın. Temel makine öğrenimi alanlarındaki becerilerinizi geliştirmek için seçilmiş müfredatlarla başlayın.

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)
tutucu1 l10n-yer

Uzmanlar için

Alt Sınıflandırma API'si, gelişmiş araştırma için çalıştırarak tanımla arabirimi sağlar. Modeliniz için bir sınıf oluşturun, ardından ileri geçişi zorunlu olarak yazın. Özel katmanları, etkinleştirmeleri ve eğitim döngülerini kolayca yazın. Aşağıdaki "Merhaba Dünya" örneğini çalıştırın, ardından daha fazla bilgi edinmek için öğreticileri ziyaret edin.

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))
tutucu2 l10n-yer

Sık karşılaşılan sorunlara çözümler

Projelerinizde size yardımcı olacak adım adım öğreticileri keşfedin.

Yeni başlayanlar için
İlk sinir ağınız

Eksiksiz bir TensorFlow programının bu hızlı genel görünümünde spor ayakkabı ve gömlek gibi giysi görüntülerini sınıflandırmak için bir sinir ağı eğitin.

Uzmanlar için
Üretken düşman ağları

Keras Alt Sınıflandırma API'sini kullanarak el yazısı rakamların görüntülerini oluşturmak için üretken bir düşman ağı eğitin.

Uzmanlar için
Dikkatle sinirsel makine çevirisi

Keras Alt Sınıflandırma API'sini kullanarak İspanyolca'dan İngilizce'ye çeviri için diziden diziye bir model eğitin.

Haberler ve duyurular

Ek güncellemeler için blogumuza göz atın ve doğrudan gelen kutunuza gönderilen en son duyuruları almak için TensorFlow bültenimize abone olun.