Registration is open for TensorFlow Dev Summit 2020 Learn more

TensorFlow 是一个端到端开源机器学习平台

借助 TensorFlow,初学者和专家可以轻松地创建机器学习模型。请参阅以下几部分,了解如何开始使用。

查看教程

教程将通过完整的端到端示例向您展示如何使用 TensorFlow。

查看指南

指南介绍了 TensorFlow 的概念和组件。

针对新手

The best place to start is with the user-friendly Sequential API. You can create models by plugging together building blocks. Run the “Hello World” example below, then visit the tutorials to learn more.

To learn ML, check out our education page. Begin with curated curriculums to improve your skills in foundational ML areas.

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)

针对专家

Subclassing API 提供了由运行定义的高级研究接口。为您的模型创建一个类,然后以命令方式编写前向传播。您可以轻松编写自定义层、激活函数和训练循环。请运行下面的“Hello World”示例,然后访问教程以了解详情。

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))

常见问题的解决方案

浏览分步教程以帮助您完成项目。

针对新手
您的第一个神经网络

在这一完整 TensorFlow 程序的简要介绍中,训练一个对服饰(例如运动鞋和衬衫)图像进行分类的神经网络。

针对专家
生成对抗网络

使用 Keras Subclassing API 训练生成对抗网络,以生成手写数字图像。

针对专家
基于注意力的神经机器翻译

使用 Keras Subclassing API 训练一个序列到序列模型以进行从西班牙语到英语的翻译。

新闻和通告

了解有益于您推进工作的各种最新动态,并订阅我们的 TensorFlow 每月简报,直接在您的邮箱中收到最新公告。

2019 年 2 月 27 日 
Upgrading your code to TensorFlow 2

TensorFlow 2 will include many API changes, such as reordering arguments, renaming symbols, and changing default values for parameters. To streamline the changes, the TensorFlow engineering team has created a tf_upgrade_v2 utility that will help transition legacy code...

2019 年 5 月 8 日 
Getting Started with TensorFlow 2 (I/O'19)

通过代码示例了解面向初学者和专家新推出的用户友好型 API,并了解如何在您的项目中应用 Keras Sequential API、Functional API 和 Subclassing API。

2019 年 6 月 10 日 
宣布推出 TF.Text

TF.Text is a TensorFlow 2 library that handles preprocessing regularly found in text-based models, and other features useful for language modeling not provided by core TensorFlow.