Эта страница была переведа с помощью Cloud Translation API.
Switch to English

Учебники TensorFlow написаны в виде записных книжек Jupyter и запускаются непосредственно в Google Colab - размещенной среде записных книжек, не требующей настройки. Нажмите кнопку « Выполнить в Google Colab» .

Лучше всего начать с удобного последовательного API Keras. Создавайте модели, соединяя строительные блоки. После этих руководств прочтите руководство по Keras .
Это "Привет, мир!" Блокнот показывает Keras Sequential API и model.fit .
Эта коллекция записных книжек демонстрирует основные задачи машинного обучения с использованием Keras.
В этих руководствах tf.data используется для загрузки различных форматов данных и построения конвейеров ввода.
Функциональные API и API-интерфейсы создания подклассов Keras предоставляют интерфейс определения по запуску для настройки и расширенного исследования. Постройте свою модель, затем напишите прямой и обратный проход. Создавайте собственные слои, активации и обучающие циклы.
Это "Привет, мир!" notebook использует API подклассов Keras и настраиваемый цикл обучения.
В этой коллекции записных книжек показано, как создавать собственные слои и циклы обучения в TensorFlow.
Распределите обучение модели по нескольким графическим процессорам, нескольким машинам или TPU.
В разделе Advanced есть множество поучительных примеров записных книжек, в том числе нейронный машинный перевод , Transformers и CycleGAN .
Подпишитесь на блог TensorFlow , канал YouTube и Twitter, чтобы получать последние обновления.
Изучите библиотеки для создания расширенных моделей или методов с помощью TensorFlow и получите доступ к пакетам приложений для конкретной области, которые расширяют TensorFlow. Это образец учебных пособий, доступных для этих проектов.