Les tutoriels TensorFlow se présentent sous la forme de notebooks Jupyter et s'exécutent directement dans Google Colab, un environnement de notebook hébergé qui ne nécessite aucune configuration. Cliquez sur le bouton Exécuter dans Google Colab.

Nous vous conseillons de commencer par un outil facile à utiliser : l'API séquentielle Keras. Créez des modèles en connectant différents composants. Après avoir terminé ces tutoriels, consultez le Guide Keras.
Ce notebook "Hello, World!" présente l'API séquentielle Keras et model.fit.
Cette collection de notebooks présente les tâches de machine learning de base réalisées à l'aide de Keras.
Ces tutoriels utilisent tf.data pour charger différents formats de données et créer des pipelines d'entrée.
Les API fonctionnelles et de sous-classification Keras permettent de bénéficier d'une interface redéfinie en fonction de chaque exécution pour la personnalisation et la recherche de pointe. Construisez votre modèle, puis codez la propagation avant et arrière. Créez des activations, des boucles d'entraînement et des couches personnalisées.
Ce notebook "Hello, World!" utilise l'API de sous-classification de Keras et une boucle d'entraînement personnalisée.
Cette collection de notebooks vous explique comment créer des couches et des boucles d'entraînement personnalisées dans TensorFlow.
Répartissez les tâches d'entraînement de modèle entre plusieurs machines, GPU ou TPU.
La section "Avancé" contient de nombreux exemples de notebooks instructifs, dont Traduction automatique neuronale, Transformateurs et CycleGAN.
Abonnez-vous au blog, à la chaîne YouTube et à la page Twitter de TensorFlow pour être informé des dernières mises à jour.
Découvrez les bibliothèques permettant de créer des méthodes ou des modèles avancés avec TensorFlow et accédez à des packages d'applications spécifiques à un domaine pour enrichir TensorFlow de nouvelles fonctionnalités. Voici un exemple des tutoriels disponibles pour ces projets.