端到端机器学习平台

开始使用 TensorFlow

借助 TensorFlow,轻松创建可在任何环境中运行的机器学习模型。 通过交互式代码示例,了解如何使用直观的 API。

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)

借助机器学习解决现实问题

查看相关示例,了解 TensorFlow 如何用于推进研究并构建 AI 赋能的应用。

利用设备端机器学习技术改善孕产妇的保健服务

了解 TensorFlow Lite 如何实现胎儿超声评估,助力改善肯尼亚乃至全世界妇女和家庭的健康状况。

通过强化学习构建推荐系统

了解 Spotify 如何利用 TensorFlow 生态系统设计出可扩展的离线模拟器,并训练 RL Agents 生成播放列表。

在 Android 上部署大语言模型

了解如何使用 TensorFlow Lite 为生成式 AI 应用优化和部署大语言模型 (LLM)。

TensorFlow 有哪些新变化

阅读 TensorFlow 团队和社区发布的最新公告。

加入社区

通过加入兴趣小组或参加开发者活动,与他人开展协作、寻求支持并分享您的项目。

学习机器学习知识

刚接触机器学习?您可以从 TensorFlow 的精选课程入手,也可以浏览丰富的图书、在线课程和视频资源库。

保持连接状态

关注我们的频道或订阅简报,了解机器学习和 TensorFlow 的最新动态。在归档中浏览过往简报。