Biblioteki i rozszerzenia
Eksploruj biblioteki, aby budować zaawansowane modele lub metody za pomocą TensorFlow, i uzyskaj dostęp do pakietów aplikacji specyficznych dla domeny, które rozszerzają TensorFlow.
Najnowocześniejsze algorytmy do uczenia, obsługi i interpretacji modeli wykorzystujących lasy decyzyjne do klasyfikacji, regresji i rankingu.
Biblioteka do uczenia maszynowego wielokrotnego użytku. Pobierz i ponownie wykorzystaj najnowsze wytrenowane modele z minimalną ilością kodu.
TensorFlow Model Optimization Toolkit to zestaw narzędzi do optymalizacji modeli ML pod kątem wdrażania i wykonywania.
Biblioteka do budowania modeli systemów rekomendujących.
Biblioteka dla elastycznych, kontrolowanych i interpretowalnych rozwiązań ML ze zdroworozsądkowymi ograniczeniami kształtu.
Biblioteka funkcji grafiki komputerowej, od kamer, świateł i materiałów po renderery.
Platforma open source do uczenia maszynowego i innych obliczeń na zdecentralizowanych danych.
TensorFlow Probability to biblioteka do wnioskowania probabilistycznego i analizy statystycznej.
Tensor2Tensor to biblioteka modeli głębokiego uczenia i zestawów danych zaprojektowana, aby uczynić głębokie uczenie bardziej dostępnym i przyspieszyć badania ML.
Biblioteka Pythona zawierająca implementacje optymalizatorów TensorFlow do trenowania modeli uczenia maszynowego z prywatnością różnicową.
Biblioteka do uczenia się przez wzmacnianie w TensorFlow.
Ramy badawcze do szybkiego prototypowania algorytmów uczenia przez wzmacnianie.
TRFL (wymawiane „trufla”) to biblioteka do wzmacniania uczenia się bloków konstrukcyjnych stworzona przez DeepMind.
Język do rozproszonego uczenia głębokiego, umożliwiający określenie szerokiej klasy rozproszonych obliczeń tensorowych.
Ułatwia przechowywanie i manipulowanie danymi o niejednolitym kształcie, w tym tekstem (słowa, zdania, znaki) i partiami o zmiennej długości.
Obsługuje pracę z tekstem Unicode bezpośrednio w TensorFlow.
TensorFlow Ranking to biblioteka technik Learning-to-Rank (LTR) na platformie TensorFlow.
Magenta to projekt badawczy badający rolę uczenia maszynowego w procesie tworzenia sztuki i muzyki.
Nucleus to biblioteka kodu Pythona i C++ zaprojektowana, aby ułatwić odczytywanie, zapisywanie i analizowanie danych w popularnych formatach plików genomicznych, takich jak SAM i VCF.
Biblioteka firmy DeepMind do budowy sieci neuronowych.
Platforma edukacyjna do trenowania sieci neuronowych poprzez wykorzystanie ustrukturyzowanych sygnałów oprócz danych wejściowych funkcji.
Dodatkowa funkcjonalność dla TensorFlow, obsługiwana przez SIG Addons.
Rozszerzenia zestawu danych, przesyłania strumieniowego i systemu plików, obsługiwane przez SIG IO.
TensorFlow Quantum to kwantowa biblioteka uczenia maszynowego do szybkiego prototypowania hybrydowych, kwantowo-klasycznych modeli ML.
Usprawnij i generuj karty modeli — dokumenty do uczenia maszynowego, które zapewniają kontekst i przejrzystość rozwoju i wydajności modelu.
Biblioteka ułatwiająca tworzenie i trenowanie modeli w sposób zmniejszający lub eliminujący szkody dla użytkownika wynikające z leżących u podstaw błędów wydajności.
Biblioteka, która umożliwia łatwe obliczanie powszechnie identyfikowanych metryk sprawiedliwości dla klasyfikatorów binarnych i wieloklasowych.
TensorFlow Cloud to biblioteka umożliwiająca połączenie Twojego lokalnego środowiska z Google Cloud.
Zbiór klas i operacji związanych z tekstem i NLP, gotowy do użycia z TensorFlow 2.