Attend the Women in ML Symposium on December 7 Register now

TensorFlow में योगदान करें

संग्रह की मदद से व्यवस्थित रहें अपनी प्राथमिकताओं के आधार पर, कॉन्टेंट को सेव करें और कैटगरी में बांटें.

TensorFlow पारिस्थितिकी तंत्र केवल इस समुदाय के योगदान के माध्यम से विकसित हो सकता है। आपके उत्साह और आपके काम के लिए बहुत-बहुत धन्यवाद-हम आपकी हर बात की सराहना करते हैं!

सामुदायिक मूल्यों

एक खुले और स्वागतयोग्य वातावरण को बढ़ावा देने के हित में, योगदानकर्ता और अनुचर हमारी परियोजना और हमारे समुदाय में हर किसी के लिए एक उत्पीड़न-मुक्त अनुभव बनाने की प्रतिज्ञा करते हैं - चाहे आयु, शरीर का आकार, विकलांगता, जातीयता, लिंग पहचान और अभिव्यक्ति की परवाह किए बिना। अनुभव, राष्ट्रीयता, व्यक्तिगत उपस्थिति, जाति, धर्म या यौन पहचान और अभिविन्यास।

सकारात्मक वातावरण बनाने में योगदान देने वाले व्यवहारों के उदाहरणों में शामिल हैं:

  • स्वागत योग्य और समावेशी भाषा का प्रयोग करें।
  • विभिन्न दृष्टिकोणों और अनुभवों के प्रति सम्मानपूर्ण रहें।
  • रचनात्मक आलोचना स्वीकार करें।
  • पालक समुदाय के लिए सबसे अच्छा है।
  • अन्य समुदाय के सदस्यों के लिए सहानुभूति दिखाएं।

निर्णय तकनीकी योग्यता और सर्वसम्मति के आधार पर किए जाते हैं। TensorFlow समुदाय सभी के साथ समान व्यवहार करने और सभी योगदानों को महत्व देने की इच्छा रखता है। TensorFlow समुदाय में सर्वोत्तम प्रथाओं के बारे में अधिक जानकारी के लिए, कृपया हमारी आचार संहिता की समीक्षा करें।

अपना पहला योगदान दें

TensorFlow में योगदान करने के कई तरीके हैं! आप कोड में योगदान कर सकते हैं, TensorFlow API प्रलेखन में सुधार कर सकते हैं या अपने Jupyter पुस्तिकाओं को टेनसफ़्लो / उदाहरण रेपो में जोड़ सकते हैं । यह मार्गदर्शिका वह सब कुछ प्रदान करती है जिसकी आपको शुरुआत करने की आवश्यकता है। हमारे सबसे सामान्य योगदानों में कोड , प्रलेखन और सामुदायिक समर्थन शामिल हैं

TensorFlow मूल रूप से Google के AI संगठन के भीतर Google ब्रेन टीम के शोधकर्ताओं और इंजीनियरों द्वारा विकसित किया गया था। Google ने TensorFlow को बाहरी समुदाय के साथ प्रौद्योगिकी साझा करने और शोधकर्ताओं और उद्योग के बीच सहयोग को प्रोत्साहित करने की उम्मीद में खट्टा कर दिया। तब से, TensorFlow प्लेटफार्मों की एक विस्तृत श्रृंखला पर, उत्पादों के संपन्न पारिस्थितिकी तंत्र में विकसित हुआ है। लेकिन हमारा लक्ष्य अभी भी मशीन सीखने को किसी के लिए भी सुलभ बनाना है।