Le API TensorFlow Core forniscono una serie di API di basso livello complete, componibili ed estensibili per il calcolo ad alte prestazioni (distribuito e accelerato), finalizzate principalmente alla creazione di modelli di machine learning (ML) e alla creazione di strumenti e framework per flussi di lavoro ML all'interno del Piattaforma TensorFlow. Queste API forniscono una base per la creazione di modelli altamente configurabili con controllo granulare e nuovi framework da zero.
Le API principali possono essere utilizzate come alternativa alle API di machine learning di alto livello come Keras. Queste API di alto livello sono più adatte per le esigenze generali di machine learning. Offrono una varietà di moduli che astraggono le complessità del machine learning, offrendo allo stesso tempo funzionalità per la personalizzazione tramite sottoclassi. Se stai cercando una panoramica di TensorFlow utilizzando Keras, consulta le sezioni Quickstart e Keras nei tutorial .
Chi dovrebbe utilizzare le API principali
Le API di basso livello TensorFlow Core sono progettate pensando ai seguenti sviluppatori ML:
- Ricercatori che costruiscono modelli complessi con alti livelli di configurabilità
- Sviluppatori interessati a utilizzare TensorFlow come piattaforma di calcolo scientifico ad alte prestazioni
- Autori di framework che creano strumenti sulla piattaforma TensorFlow
- Utenti API di alto livello interessati a:
- Aggiunta di funzionalità aggiuntive ai loro flussi di lavoro di machine learning come livelli personalizzati, perdite, modelli e ottimizzatori
- Imparare di più sul funzionamento interno dei loro modelli
Applicazioni API di base
Le API TensorFlow Core forniscono l'accesso a funzionalità di basso livello all'interno dell'ecosistema TensorFlow. Questa API offre maggiore flessibilità e controllo per la creazione di modelli, applicazioni e strumenti ML, rispetto alle API di alto livello, come Keras.
Crea modelli e flussi di lavoro
Le API principali sono più comunemente utilizzate per creare modelli e flussi di lavoro di machine learning altamente personalizzabili e ottimizzati. Ecco alcuni dei modi in cui le API TensorFlow Core possono migliorare i tuoi modelli di machine learning e lo sviluppo del flusso di lavoro:
- Creazione di modelli o livelli non tradizionali che non si adattano completamente alle strutture supportate dalle API di alto livello
- Creazione di layer, perdite, modelli e ottimizzatori personalizzati all'interno di Keras
- Implementazione di nuove tecniche di ottimizzazione per accelerare la convergenza durante l'addestramento
- Creazione di metriche personalizzate per la valutazione delle prestazioni
- Progettazione di cicli di addestramento altamente configurabili con supporto per funzionalità come batch, convalida incrociata e strategie di distribuzione
Costruisci framework e strumenti
Le API TensorFlow Core possono anche fungere da elementi costitutivi per nuovi framework di alto livello. Ecco alcuni esempi di strumenti e framework creati con le API di basso livello: 
- Keras : apprendimento profondo per gli esseri umani
- TensorFlow Model Optimization Toolkit : una suite di strumenti per ottimizzare i modelli ML per la distribuzione e l'esecuzione
- TensorFlow Graphics : una libreria per rendere ampiamente accessibili funzioni grafiche utili
Costruisci per il calcolo scientifico
Le API TensorFlow Core possono essere applicate anche al di fuori del regno del machine learning. Ecco alcuni casi d'uso generici di TensorFlow per il calcolo scientifico: 
- Simulazioni fisiche per problemi di meccanica dei solidi e fluidodinamica
- Applicazioni di rendering grafico come il ray tracing
- Risoluzione di problemi di ottimizzazione vincolata
Componenti principali dell'API
Ecco alcuni dei componenti fondamentali che comprendono le API di basso livello di TensorFlow Core. Si noti che questo non è un elenco onnicomprensivo:
- Strutture dati :
tf.Tensor,tf.Variable,tf.TensorArray - API primitive:
tf.shape, slicing ,tf.concat,tf.bitwise - Numerico:
tf.math,tf.linalg,tf.random - Componenti funzionali:
tf.function,tf.GradientTape - Distribuzione: Dtensor
- Esporta:
tf.saved_model
Prossimi passi
La documentazione di Build with Core fornisce tutorial sui concetti di machine learning di base partendo da zero. I tutorial in questa sezione ti aiutano a familiarizzare con la scrittura di codice di basso livello con le API principali che puoi quindi applicare a casi d'uso più complessi.
Per iniziare a utilizzare e saperne di più sulle API principali, dai un'occhiata al Quickstart per TensorFlow Core .