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

क्यों टेंसरफ्लोF

चाहे आप विशेषज्ञ हों या शुरुआती, TensorFlow एक एंड-टू-एंड प्लेटफ़ॉर्म है जो आपके लिए ML मॉडल बनाना और परिनियोजित करना आसान बनाता है।

मशीन लर्निंग के साथ चुनौतीपूर्ण, वास्तविक दुनिया की समस्याओं को हल करने में आपकी मदद करने के लिए एक संपूर्ण पारिस्थितिकी तंत्र

आसान मॉडल बिल्डिंग

TensorFlow अमूर्तता के कई स्तर प्रदान करता है ताकि आप अपनी आवश्यकताओं के लिए सही चुन सकें। उच्च-स्तरीय Keras API का उपयोग करके मॉडल बनाएं और प्रशिक्षित करें, जिससे TensorFlow और मशीन लर्निंग के साथ शुरुआत करना आसान हो जाता है।

यदि आपको अधिक लचीलेपन की आवश्यकता है, तो उत्सुक निष्पादन तत्काल पुनरावृत्ति और सहज ज्ञान युक्त डिबगिंग की अनुमति देता है। बड़े एमएल प्रशिक्षण कार्यों के लिए, मॉडल परिभाषा को बदले बिना विभिन्न हार्डवेयर कॉन्फ़िगरेशन पर वितरित प्रशिक्षण के लिए वितरण रणनीति एपीआई का उपयोग करें।

कहीं भी मजबूत एमएल उत्पादन

TensorFlow ने हमेशा उत्पादन के लिए एक सीधा रास्ता प्रदान किया है। चाहे वह सर्वर, एज डिवाइस या वेब पर हो, TensorFlow आपको अपने मॉडल को आसानी से प्रशिक्षित और परिनियोजित करने देता है, चाहे आप किसी भी भाषा या प्लेटफॉर्म का उपयोग करें।

यदि आपको पूर्ण उत्पादन ML पाइपलाइन की आवश्यकता है, तो TensorFlow Extended (TFX) का उपयोग करें। मोबाइल और किनारे के उपकरणों पर अनुमान चलाने के लिए, TensorFlow Lite का उपयोग करें। TensorFlow.js का उपयोग करके JavaScript परिवेशों में मॉडलों को प्रशिक्षित और परिनियोजित करें।

अनुसंधान के लिए शक्तिशाली प्रयोग

गति या प्रदर्शन का त्याग किए बिना अत्याधुनिक मॉडल बनाएं और प्रशिक्षित करें। TensorFlow आपको जटिल टोपोलॉजी के निर्माण के लिए केरस फंक्शनल एपीआई और मॉडल सबक्लासिंग एपीआई जैसी सुविधाओं के साथ लचीलापन और नियंत्रण देता है। आसान प्रोटोटाइप और तेज़ डिबगिंग के लिए, उत्सुक निष्पादन का उपयोग करें।

TensorFlow प्रयोग करने के लिए शक्तिशाली ऐड-ऑन लाइब्रेरी और मॉडल के एक पारिस्थितिकी तंत्र का भी समर्थन करता है, जिसमें रैग्ड टेन्सर्स, TensorFlow Probability, Tensor2Tensor और BERT शामिल हैं।

हमारे एआई सर्विस पार्टनर्स को एक्सप्लोर करें

TensorFlow AI सर्विस पार्टनर आपको TensorFlow के साथ तेजी से नवाचार करने, बेहतर समाधान करने और बड़े पैमाने पर मदद करने के लिए परामर्श और सॉफ़्टवेयर समाधानों की एक श्रृंखला प्रदान करता है।

TensorFlow AI सर्विस पार्टनर से जुड़ें

AI सर्विस पार्टनर्स के हमारे संग्रह का अन्वेषण करें, जिनके पास AI/ML और TensorFlow-आधारित समाधानों को लागू करने में व्यवसायों की मदद करने का अनुभव है।

जानें कि मशीन लर्निंग कैसे काम करता है

क्या आप कभी जानना चाहते हैं कि तंत्रिका नेटवर्क कैसे काम करता है? या एमएल समस्या को हल करने के लिए क्या कदम हैं? चिंता न करें, हमने आपको कवर कर लिया है। नीचे मशीन लर्निंग की बुनियादी बातों का संक्षिप्त विवरण दिया गया है। या, यदि आप अधिक गहन जानकारी की तलाश में हैं, तो शुरुआती और उन्नत सामग्री के लिए हमारे शिक्षा पृष्ठ पर जाएं।

एमएल का परिचय

मशीन लर्निंग सॉफ्टवेयर को स्पष्ट प्रोग्रामिंग या नियमों के बिना कार्य करने में मदद करने का अभ्यास है। पारंपरिक कंप्यूटर प्रोग्रामिंग के साथ, एक प्रोग्रामर उन नियमों को निर्दिष्ट करता है जिनका कंप्यूटर को उपयोग करना चाहिए। हालांकि, एमएल को एक अलग मानसिकता की आवश्यकता है। रियल-वर्ल्ड एमएल कोडिंग की तुलना में डेटा विश्लेषण पर कहीं अधिक ध्यान केंद्रित करता है। प्रोग्रामर उदाहरणों का एक सेट प्रदान करते हैं और कंप्यूटर डेटा से पैटर्न सीखता है। आप मशीन लर्निंग को "डेटा के साथ प्रोग्रामिंग" के रूप में सोच सकते हैं।

एमएल समस्या को हल करने के लिए कदम

ML का उपयोग करके डेटा से उत्तर प्राप्त करने की प्रक्रिया में कई चरण होते हैं। एक कदम-दर-कदम अवलोकन के लिए, यह बाहर की जाँच गाइड है कि शो पाठ वर्गीकरण के लिए पूरा कार्यप्रवाह, और एक डाटासेट का संग्रह है, और प्रशिक्षण और TensorFlow के साथ एक मॉडल का मूल्यांकन जैसे महत्वपूर्ण चरणों का वर्णन।

एक तंत्रिका नेटवर्क का एनाटॉमी

एक तंत्रिका नेटवर्क एक प्रकार का मॉडल है जिसे पैटर्न को पहचानने के लिए प्रशिक्षित किया जा सकता है। यह इनपुट और आउटपुट परतों सहित परतों, से बना है, और कम से कम एक परत छिपा । प्रत्येक परत में न्यूरॉन्स डेटा के तेजी से अमूर्त प्रतिनिधित्व सीखते हैं। उदाहरण के लिए, इस दृश्य आरेख में हम न्यूरॉन्स को रेखाओं, आकृतियों और बनावट का पता लगाते हुए देखते हैं। ये अभ्यावेदन (या सीखी गई विशेषताएं) डेटा को वर्गीकृत करना संभव बनाते हैं।

एक तंत्रिका नेटवर्क का प्रशिक्षण

तंत्रिका नेटवर्क को ग्रेडिएंट डिसेंट द्वारा प्रशिक्षित किया जाता है। प्रत्येक परत में भार यादृच्छिक मूल्यों से शुरू होता है, और नेटवर्क को अधिक सटीक बनाने के लिए समय के साथ इन्हें पुनरावृत्त रूप से सुधार किया जाता है। एक हानि फ़ंक्शन का उपयोग यह निर्धारित करने के लिए किया जाता है कि नेटवर्क कितना गलत है, और बैकप्रोपेगेशन नामक एक प्रक्रिया का उपयोग यह निर्धारित करने के लिए किया जाता है कि नुकसान को कम करने के लिए प्रत्येक वजन को बढ़ाया या घटाया जाना चाहिए या नहीं।

हमारे समुदाय

TensorFlow समुदाय डेवलपर्स, शोधकर्ताओं, दूरदर्शी, टिंकरर्स और समस्या हल करने वालों का एक सक्रिय समूह है। योगदान, सहयोग और अपने विचारों को साझा करने के लिए दरवाजा हमेशा खुला है।