Nền tảng đầu cuối dành cho học máy

Bắt đầu với TensorFlow

TensorFlow giúp dễ dàng tạo các mô hình ML có thể chạy trong mọi môi trường. Tìm hiểu cách sử dụng API trực quan thông qua các mẫu mã tương tác.

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)

Giải quyết các vấn đề trong thế giới thực với ML

Khám phá các ví dụ về cách TensorFlow được sử dụng để thúc đẩy nghiên cứu và xây dựng các ứng dụng hỗ trợ AI.

Cải thiện khả năng tiếp cận sức khỏe bà mẹ với ML trên thiết bị

Tìm hiểu cách TensorFlow Lite cho phép truy cập đánh giá siêu âm thai nhi, cải thiện kết quả sức khỏe cho phụ nữ và gia đình trên khắp Kenya và thế giới.

Xây dựng hệ thống khuyến nghị với học tập tăng cường

Tìm hiểu cách Spotify sử dụng hệ sinh thái TensorFlow để thiết kế trình mô phỏng ngoại tuyến có thể mở rộng và đào tạo Đại lý RL cách tạo danh sách phát.

Triển khai các mô hình ngôn ngữ lớn trên Android

Tìm hiểu cách tối ưu hóa LLM và triển khai chúng với TensorFlow Lite cho các ứng dụng AI tổng hợp.

Có gì mới trong TensorFlow

Đọc các thông báo mới nhất từ ​​nhóm và cộng đồng TensorFlow.

  • Những công cụ phát triển

    Các công cụ để đánh giá mô hình, tối ưu hóa hiệu suất và tạo ra quy trình công việc ML.