Google is committed to advancing racial equity for Black communities. See how.

למה TensorFlow

בין אם אתה מומחה או מתחיל, TensorFlow היא פלטפורמה מקצה לקצה שמקל עליך לבנות ולפרוס דגמי ML.

המשך

מערכת אקולוגית שלמה שתעזור לך לפתור בעיות מאתגרות בעולם האמיתי עם למידת מכונה

בניית דגמים קלה

TensorFlow מציעה רמות הפשטה מרובות, כך שתוכל לבחור את המתאימה ביותר לצרכיך. בנה ואמן מודלים באמצעות ממשק ה- API של Keras ברמה גבוהה, מה שמקל על תחילת העבודה עם TensorFlow ולמידת מכונה.

אם אתה צריך יותר גמישות, ביצוע להוט מאפשר איטרציה מיידית וניפוי אינטואיטיבי. למשימות אימון גדולות של ML, השתמש ב- Distribution API API לצורך אימונים מבוזרים בתצורות חומרה שונות מבלי לשנות את הגדרת המודל.

המשך

ייצור ML חזק בכל מקום

TensorFlow תמיד סיפקה דרך ישירה לייצור. בין אם זה בשרתים, מכשירי קצה או באינטרנט, TensorFlow מאפשר לך לאמן ולפרוס את המודל שלך בקלות, לא משנה באיזו שפה או פלטפורמה אתה משתמש.

השתמש ב- TensorFlow Extended (TFX) אם אתה זקוק לצינור מלא של ייצור ML. להפעלת מסקנות במכשירים ניידים וקצהיים, השתמש ב- TensorFlow Lite. הדרכה ופריסה של מודלים בסביבות JavaScript באמצעות TensorFlow.js.

המשך

ניסויים עוצמתיים למחקר

לבנות ולהכשיר מודלים חדישים מבלי לוותר על מהירות או ביצועים. TensorFlow נותן לך את הגמישות והשליטה בעזרת תכונות כמו ממשק ה- API הפונקציונלי של Keras ו- API של Subclassing Model ליצירת טופולוגיות מורכבות. לקבלת אב טיפוס קל וניפוי באגים מהיר, השתמש בביצוע להוט.

TensorFlow תומך גם במערכת אקולוגית של ספריות ומודלים תוספים רבי עוצמה להתנסות בהם, כולל Tensors Ragged, TensorFlow Probability, Tensor2Tensor ו- BERT.

המשך

חקור את שותפי השירות שלנו ל- AI

TensorFlow AI Service Partners מציעים מגוון פתרונות ייעוץ ותוכנה שיעזרו לכם לחדש מהר יותר, לפתור חכם ולהגדיל את גודלם באמצעות TensorFlow.

התחבר עם שותף שירות TensorFlow AI

גלה את אוסף השותפים שלנו לבינה מלאכותית שיש להם ניסיון לעזור לעסקים ליישם פתרונות מבוססי AI / ML ו- TensorFlow.

למד כיצד למידת מכונה פועלת

האם אי פעם רצית לדעת כיצד עובדת רשת עצבית? או מה השלבים לפתרון בעיית ML? אל תדאג, יש לנו כיסוי. להלן סקירה מהירה של יסודות למידת המכונה. לחלופין, אם אתה מחפש מידע מעמיק יותר, עבור לדף החינוך שלנו לתוכן מתחיל ומתקדם.

מבוא ל- ML

למידת מכונה היא תרגול של עזרה לתוכנה לבצע משימה ללא תכנות או כללים מפורשים. בתכנות מחשבים מסורתיות, מתכנת מציין כללים שעל המחשב להשתמש בהם. עם זאת, ML דורשת הלך רוח שונה. ML בעולם האמיתי מתמקד הרבה יותר בניתוח נתונים מאשר בקידוד. מתכנתים מספקים דוגמאות למחשב והמחשב לומד דפוסים מהנתונים. אתה יכול לחשוב על למידת מכונה כ"תכנות עם נתונים ".

צעדים לפתרון בעיית ML

ישנם מספר שלבים בתהליך קבלת תשובות מנתונים באמצעות ML. לסקירה צעד-אחר-צעד, לבדוק את זה מדריך שמראה את העבודה המלא ל סיווג הטקסט, ומתאר צעדים חשובים כמו איסוף במערך, והכשרה והערכת מודל עם TensorFlow.

אנטומיה של רשת עצבית

רשת עצבית היא סוג של מודל שניתן לאמן אותו לזהות דפוסים. הוא מורכב שכבות, כולל שכבות קלט ופלט, ולפחות אחד שכבה נסתרת . נוירונים בכל שכבה לומדים ייצוג מופשט יותר ויותר של הנתונים. לדוגמא, בתרשים חזותי זה אנו רואים נוירונים המגלים קווים, צורות ומרקמים. ייצוגים אלה (או תכונות נלמדות) מאפשרים לסווג את הנתונים.

הכשרת רשת עצבית

רשתות עצביות מאומנות על ידי ירידה בשיפוע. המשקולות בכל שכבה מתחילות בערכים אקראיים, ואלה משתפרים באופן איטרטיבי לאורך זמן כדי להפוך את הרשת למדויקת יותר. פונקציית אובדן משמשת לכימות עד כמה הרשת לא מדויקת, ומשתמשים בהליך שנקרא הפצת גב כדי לקבוע אם יש להגדיל או להפחית כל משקל כדי להפחית את ההפסד.

הקהילה שלנו

קהילת TensorFlow הינה קבוצה פעילה של מפתחים, חוקרים, בעלי חזון, מתעסקים ופותרי בעיות. הדלת תמיד פתוחה לתרום, לשתף פעולה ולשתף את הרעיונות שלך.