גוגל מחויבת לקדם הון גזעי עבור קהילות שחורות. תראה איך.
דף זה תורגם על ידי Cloud Translation API.
Switch to English

מדוע TensorFlow

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

המשך

מערכת אקולוגית שלמה שתעזור לכם לפתור בעיות מאתגרות בעולם האמיתי בלימוד מכונות

בניית מודלים קלה

TensorFlow מציע רמות הפשטה מרובות, כך שתוכלו לבחור נכונה לצרכים שלכם. בנה והכשיר דגמים באמצעות ממשק ה- Keras ברמה הגבוהה, מה שמקל על התחלת העבודה עם TensorFlow ולמידה מכונה.

אם אתה זקוק לגמישות רבה יותר, ביצוע להוט מאפשר איטרציה מיידית וניפוי באגים אינטואיטיבי. עבור משימות אימונים גדולות, השתמשו בממשק ה- API של אסטרטגיית ההפצה לצורך אימונים מבוזרים בתצורות חומרה שונות מבלי לשנות את הגדרת הדגם.

המשך

ייצור ML חזק בכל מקום

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

השתמש ב TensorFlow Extended (TFX) אם אתה זקוק לצינור ML מלא לייצור. להפעלת הסקה במכשירים ניידים ובקצה, השתמש ב- TensorFlow Lite. לאמן ולפרוס דגמים בסביבות JavaScript באמצעות TensorFlow.js.

המשך

ניסויים רבי עוצמה למחקר

בנה ואמן מודלים עדכניים מבלי להקריב את המהירות או הביצועים. TensorFlow מעניק לך את הגמישות והשליטה עם תכונות כמו ה- API של פונקצית Keras ו- API Subclassing API ליצירת טופולוגיות מורכבות. לקבלת אב טיפוס קל וניפוי ניפוי מהיר, השתמש בביצוע להוט.

TensorFlow תומך גם במערכת אקולוגית של ספריות ודגמים של תוספות רבות עוצמה שניתן להתנסות בהן, כולל Tensors Ragged, TensorFlow Probability, Tensor2Tensor ו- BERT.

המשך

למד כיצד למידת מכונה עובדת

האם אי פעם רצית לדעת איך עובדת רשת עצבית? או מהם השלבים לפתרון בעיית ML? אל תדאג, כיסינו אותך. להלן סקירה מהירה של יסודות לימוד המכונה. לחלופין, אם אתה מחפש מידע מעמיק יותר, עבור לדף החינוך שלנו לתכנים מתחילים ומתקדמים.

מבוא ל- ML

למידת מכונה היא התרגול של עזרה לתוכנה בביצוע משימה ללא תכנות או כללים מפורשים. עם תכנות מחשבים מסורתית, מתכנת מציין כללים שעל המחשב להשתמש בהם. ML דורש הלך רוח שונה. ML אמיתי בעולם מתמקד הרבה יותר בניתוח נתונים מאשר בקידוד. מתכנתים מספקים כמה דוגמאות והמחשב לומד דפוסים מהנתונים. אתה יכול לחשוב על למידת מכונה כ"תכנות עם נתונים ".

שלבים לפיתרון בעיית ML

ישנם מספר שלבים בתהליך קבלת תשובות מנתונים באמצעות ML. לקבלת סקירה כללית שלב, עיין במדריך זה המציג את זרימת העבודה המלאה לסיווג טקסט, ומתאר צעדים חשובים כמו איסוף מערך נתונים, הדרכה והערכה של מודל באמצעות TensorFlow.

אנטומיה של רשת עצבית

רשת עצבית היא סוג של מודל שניתן לאמן אותו להכיר דפוסים. זה מורכב משכבות, כולל שכבות קלט ופלט, ולפחות שכבה אחת נסתרת . נוירונים בכל שכבה לומדים ייצוגים מופשטים יותר ויותר של הנתונים. לדוגמה, בתרשים חזותי זה אנו רואים נוירונים המאתרים קווים, צורות ומרקמים. ייצוגים אלה (או תכונות מלומדות) מאפשרים לסווג את הנתונים.

הכשרת רשת עצבית

רשתות עצביות מאומנות לפי ירידת שיפוע. המשקולות בכל שכבה מתחילות בערכים אקראיים, ואלה משתפרים באופן איטרטיבי לאורך זמן כדי להפוך את הרשת למדויקת יותר. משתמשים בפונקציה של אובדן כדי לכמת עד כמה הרשת אינה מדויקת, ומשתמש בהליך הנקרא backpropagation כדי לקבוע אם יש להגדיל, או להפחית, כל משקל כדי להפחית את האובדן.

הקהילה שלנו

קהילת TensorFlow היא קבוצה פעילה של מפתחים, חוקרים, אנשי חזון, מתכננים ופתרונות בעיות. הדלת פתוחה תמיד לתרום, לשתף פעולה ולשתף את הרעיונות שלך.