Una plataforma de extremo a extremo para el aprendizaje automático

Comience con TensorFlow

TensorFlow facilita la creación de modelos de aprendizaje automático que pueden ejecutarse en cualquier entorno. Aprenda a utilizar las API intuitivas a través de ejemplos de código interactivos.

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)

Resuelva problemas del mundo real con ML

Explore ejemplos de cómo se utiliza TensorFlow para avanzar en la investigación y crear aplicaciones impulsadas por IA.

Mejorar el acceso a la salud materna con aprendizaje automático en el dispositivo

Descubra cómo TensorFlow Lite permite el acceso a la evaluación por ultrasonido fetal, mejorando los resultados de salud de mujeres y familias en Kenia y el mundo.

Cree sistemas de recomendación con aprendizaje reforzado

Descubra cómo Spotify utiliza el ecosistema TensorFlow para diseñar un simulador fuera de línea extensible y capacitar a los agentes de RL para generar listas de reproducción.

Implementar modelos de lenguaje grandes en Android

Aprenda a optimizar los LLM e implementarlos con TensorFlow Lite para aplicaciones de IA generativa.

¿Qué hay de nuevo en TensorFlow?

Lea los últimos anuncios del equipo y la comunidad de TensorFlow.

  • Herramientas de desarrollo

    Herramientas para evaluar modelos, optimizar el rendimiento y producir flujos de trabajo de ML.