با مجموعهها، منظم بمانید
ذخیره و طبقهبندی محتوا براساس اولویتهای شما.
ابزار
ابزارهایی را برای پشتیبانی و تسریع گردش کار TensorFlow کاوش کنید.
کولب Colaboratory یک محیط نوت بوک رایگان Jupyter است که نیازی به نصب ندارد و به طور کامل در فضای ابری اجرا می شود و به شما امکان می دهد کد TensorFlow را با یک کلیک در مرورگر خود اجرا کنید.
بلوک های بصری یک چارچوب وب برنامه‌نویسی بصری برای نمونه‌سازی اولیه جریان‌های کاری ML با استفاده از دستگاه‌های I/O، مدل‌ها، افزایش داده‌ها و حتی کد Colab به عنوان بلوک‌های ساختمانی قابل استفاده مجدد.
TensorBoard مجموعه ای از ابزارهای تجسم برای درک، اشکال زدایی و بهینه سازی برنامه های TensorFlow.
ابزار What-If ابزاری برای کاوش بدون کد مدل‌های یادگیری ماشین، مفید برای درک مدل، اشکال‌زدایی و عدالت. در نوت بوک های TensorBoard و jupyter یا colab موجود است.
ام ال پرف مجموعه معیار گسترده ML برای اندازه‌گیری عملکرد چارچوب‌های نرم‌افزار ML، شتاب‌دهنده‌های سخت‌افزار ML، و پلت‌فرم‌های ابری ML.
XLA XLA (Accelerated Linear Gebra) یک کامپایلر مخصوص دامنه برای جبر خطی است که محاسبات TensorFlow را بهینه می کند. نتایج بهبود در سرعت، استفاده از حافظه و قابلیت حمل در سرور و پلتفرم های تلفن همراه است.
زمین بازی تنسورفلو با یک شبکه عصبی در مرورگر خود سرهم کنید. نگران نباشید، نمی توانید آن را بشکنید.
TPU Research Cloud برنامه TPU Research Cloud (TRC) محققان را قادر می سازد تا برای دسترسی به خوشه ای از بیش از 1000 Cloud TPU بدون هزینه درخواست دهند تا به آنها کمک کند موج بعدی پیشرفت های تحقیقاتی را تسریع کنند.
MLIR یک فریم ورک بازنمایی میانی و کامپایلر جدید.
[null,null,[],[],[],null,["# Tools\n=====\n\nExplore tools to support and accelerate TensorFlow workflows. \n[Colab](https://colab.sandbox.google.com/notebooks/welcome.ipynb) \nColaboratory is a free Jupyter notebook environment that requires no setup and runs entirely in the cloud, allowing you to execute TensorFlow code in your browser with a single click. \n[Learn more](https://colab.sandbox.google.com/notebooks/welcome.ipynb) \n[Visual Blocks](https://visualblocks.withgoogle.com/) \nA visual coding web framework to prototype ML workflows using I/O devices, models, data augmentation, and even Colab code as reusable building blocks. \n[Learn more](https://visualblocks.withgoogle.com/) \n[TensorBoard](/tensorboard) \nA suite of visualization tools to understand, debug, and optimize TensorFlow programs. \n[Learn more](/tensorboard) [View code](https://github.com/tensorflow/tensorboard) \n[What-If Tool](https://pair-code.github.io/what-if-tool/) \nA tool for code-free probing of machine learning models, useful for model understanding, debugging, and fairness. Available in TensorBoard and jupyter or colab notebooks. \n[Learn more](https://pair-code.github.io/what-if-tool/) [Get started](https://colab.research.google.com/github/PAIR-code/what-if-tool/blob/master/What_If_Tool_Notebook_Usage.ipynb) \n[ML Perf](https://mlperf.org/) \nA broad ML benchmark suite for measuring performance of ML software frameworks, ML hardware accelerators, and ML cloud platforms. \n[Learn more](https://mlperf.org/) \n[XLA](/xla) \nXLA (Accelerated Linear Algebra) is a domain-specific compiler for linear algebra that optimizes TensorFlow computations. The results are improvements in speed, memory usage, and portability on server and mobile platforms. \n[Learn more](/xla) \n[TensorFlow Playground](https://playground.tensorflow.org/#activation=tanh&batchSize=10&dataset=circle®Dataset=reg-plane&learningRate=0.03®ularizationRate=0&noise=0&networkShape=4,2&seed=0.04620&showTestData=false&discretize=false&percTrainData=50&x=true&y=true&xTimesY=false&xSquared=false&ySquared=false&cosX=false&sinX=false&cosY=false&sinY=false&collectStats=false&problem=classification&initZero=false&hideText=false) \nTinker with a neural network in your browser. Don't worry, you can't break it. \n[Learn more](https://playground.tensorflow.org/#activation=tanh&batchSize=10&dataset=circle®Dataset=reg-plane&learningRate=0.03®ularizationRate=0&noise=0&networkShape=4,2&seed=0.04620&showTestData=false&discretize=false&percTrainData=50&x=true&y=true&xTimesY=false&xSquared=false&ySquared=false&cosX=false&sinX=false&cosY=false&sinY=false&collectStats=false&problem=classification&initZero=false&hideText=false) \n[TPU Research Cloud](https://sites.research.google/trc/) \nThe TPU Research Cloud (TRC) program enables researchers to apply for access to a cluster of more than 1,000 Cloud TPUs at no charge to help them accelerate the next wave of research breakthroughs. \n[Learn more](https://sites.research.google/trc/) \n[MLIR](/mlir) \nA new intermediate representation and compiler framework. \n[Learn more](/mlir) \n\nExplore libraries that build advanced models, methods, and extensions using TensorFlow\n--------------------------------------------------------------------------------------\n\n[See libraries](/resources/libraries-extensions)"]]
