Platform ujung ke ujung untuk pembelajaran mesin

Mulai menggunakan TensorFlow

TensorFlow memudahkan pembuatan model ML yang dapat dijalankan di lingkungan apa pun. Pelajari cara menggunakan API intuitif melalui contoh kode interaktif.

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)

Selesaikan masalah dunia nyata dengan ML

Jelajahi contoh bagaimana TensorFlow digunakan untuk memajukan penelitian dan membangun aplikasi yang didukung AI.

Analisis data relasional menggunakan jaringan saraf grafik

GNN dapat memproses hubungan kompleks antar objek, menjadikannya teknik yang ampuh untuk memperkirakan lalu lintas, penemuan medis, dan banyak lagi.

Meningkatkan akses terhadap kesehatan ibu dengan ML di perangkat

Pelajari bagaimana TensorFlow Lite memungkinkan akses ke penilaian USG janin, sehingga meningkatkan hasil kesehatan bagi wanita dan keluarga di seluruh Kenya dan dunia.

Bangun sistem rekomendasi dengan pembelajaran penguatan

Pelajari cara Spotify menggunakan ekosistem TensorFlow untuk merancang simulator offline yang dapat diperluas dan melatih Agen RL untuk membuat playlist.

Apa yang baru di TensorFlow

Baca pengumuman terbaru dari tim dan komunitas TensorFlow.

  • Alat pengembang

    Alat untuk mengevaluasi model, mengoptimalkan kinerja, dan memproduksi alur kerja ML.