APIهای TensorFlow Core مجموعه‌ای از APIهای سطح پایین جامع، قابل ترکیب و توسعه‌پذیر را برای محاسبات با کارایی بالا (توزیع شده و شتاب‌زده) ارائه می‌کنند، که عمدتاً با هدف ساخت مدل‌های یادگیری ماشین (ML) و همچنین ایجاد ابزارها و چارچوب‌های گردش کار ML در داخل پلتفرم تنسورفلو این APIها پایه ای برای ایجاد مدل های بسیار قابل تنظیم با کنترل دقیق و چارچوب های جدید از ابتدا فراهم می کنند.
Core API ها می توانند به عنوان جایگزینی برای API های یادگیری ماشین سطح بالا مانند Keras استفاده شوند. این APIهای سطح بالا برای نیازهای کلی یادگیری ماشین مناسب هستند. آنها ماژول‌های مختلفی را ارائه می‌کنند که پیچیدگی‌های ML را انتزاعی می‌کنند و در عین حال قابلیت‌هایی را برای سفارشی‌سازی از طریق زیر کلاس‌بندی ارائه می‌کنند. اگر به دنبال یک نمای کلی از TensorFlow با استفاده از Keras هستید، بخش‌های Quickstarts و Keras را در آموزش‌ها ببینید.
چه کسی باید از Core API استفاده کند
API های سطح پایین TensorFlow Core با در نظر گرفتن توسعه دهندگان ML زیر طراحی شده اند:
- محققان مدل های پیچیده ای را با سطوح بالایی از پیکربندی می سازند
- توسعه دهندگان علاقه مند به استفاده از TensorFlow به عنوان یک پلت فرم محاسباتی علمی با کارایی بالا
- نویسندگان چارچوب ابزارهایی را در بالای پلت فرم TensorFlow می سازند
- کاربران API سطح بالا علاقه مند به:
- افزودن قابلیت‌های اضافی به گردش کار یادگیری ماشینی خود مانند لایه‌های سفارشی، تلفات، مدل‌ها و بهینه‌سازها
- در مورد عملکرد داخلی مدل های آنها بیشتر بدانید
برنامه های هسته API
API های TensorFlow Core دسترسی به عملکرد سطح پایین را در اکوسیستم تنسورفلو فراهم می کنند. این API انعطاف‌پذیری و کنترل بیشتری را برای ساخت مدل‌ها، برنامه‌ها و ابزارهای ML در مقایسه با APIهای سطح بالا مانند Keras فراهم می‌کند.
ساخت مدل ها و گردش کار
Core APIها معمولاً برای ساخت مدل‌ها و گردش‌های کاری یادگیری ماشینی بسیار قابل تنظیم و بهینه‌سازی شده استفاده می‌شوند. در اینجا چند روش وجود دارد که API های TensorFlow Core می توانند مدل های یادگیری ماشین و توسعه گردش کار شما را بهبود بخشند:
- ساخت مدل‌ها یا لایه‌های غیر سنتی که به طور کامل با ساختارهای پشتیبانی شده توسط APIهای سطح بالا مطابقت ندارند.
- ساخت لایه های سفارشی، ضررها، مدل ها و بهینه سازها در Keras
- اجرای تکنیک های بهینه سازی جدید برای تسریع همگرایی در طول آموزش
- ایجاد معیارهای سفارشی برای ارزیابی عملکرد
- طراحی حلقه‌های آموزشی بسیار قابل تنظیم با پشتیبانی از ویژگی‌هایی مانند استراتژی‌های دسته‌بندی، اعتبارسنجی متقابل و توزیع
چارچوب ها و ابزارها را بسازید
APIهای TensorFlow Core همچنین می‌توانند به عنوان بلوک‌های سازنده چارچوب‌های سطح بالا جدید عمل کنند. در اینجا چند نمونه از ابزارها و چارچوب هایی که با API های سطح پایین ایجاد می شوند آورده شده است: 
- Keras : یادگیری عمیق برای انسان
- جعبه ابزار بهینه سازی مدل TensorFlow : مجموعه ای از ابزارها برای بهینه سازی مدل های ML برای استقرار و اجرا
- TensorFlow Graphics : کتابخانه ای برای دسترسی گسترده به توابع گرافیکی مفید
ساخت برای محاسبات علمی
API های TensorFlow Core را می توان در خارج از حوزه یادگیری ماشین نیز اعمال کرد. در اینجا چند مورد استفاده عمومی از TensorFlow برای محاسبات علمی آورده شده است: 
- شبیه سازی فیزیک برای مسائل مکانیک جامدات و دینامیک سیالات
- برنامه های رندر گرافیکی مانند ردیابی پرتو
- حل مسائل بهینه سازی محدود
اجزای اصلی API
در اینجا برخی از مؤلفه‌های اساسی که APIهای سطح پایین TensorFlow Core را تشکیل می‌دهند، آورده شده است. توجه داشته باشید که این یک لیست جامع نیست:
- ساختار داده:
tf.Tensor،tf.Variable،tf.TensorArray - APIهای اولیه:
tf.shape، slicing ،tf.concat،tf.bitwise - عددی:
tf.math،tf.linalg،tf.random - اجزای عملکردی:
tf.function،tf.GradientTape - توزیع: DTensor
- صادرات:
tf.saved_model
مراحل بعدی
مستندات Build with Core آموزش مفاهیم اولیه یادگیری ماشین را از ابتدا ارائه می دهد. آموزش‌های این بخش به شما کمک می‌کند تا با نوشتن کدهای سطح پایین با Core API راحت باشید و سپس می‌توانید آن را در موارد استفاده پیچیده‌تر خود اعمال کنید.
برای شروع استفاده و کسب اطلاعات بیشتر در مورد Core API، Quickstart برای TensorFlow Core را بررسی کنید.