TensorFlow 2 的重點是簡單易用,更新項目包括 Eager Execution、直覺式的高階 API,以及讓使用者彈性地在任何平台上建立模型。
許多指南都是以 Jupyter 筆記本的形式編寫,可直接在 Google Colab 中執行 (Google Colab 是代管筆記本環境,無須進行任何設定)。請按一下 [在 Google Colab 中執行] 按鈕。
重要文件
安裝 TensorFlow
直接安裝套件或從原始碼開始打造。GPU 支援採用 CUDA® 技術的顯示卡。遷移到 TensorFlow 2
瞭解 TensorFlow 2 的最佳做法和工具,幫助您從 TF1 程式碼遷移到 TF2。Keras
對於機器學習的初學者和研究人員來說,Keras 都是較容易上手的高階 API。TensorFlow 基本概念
瞭解可讓 TensorFlow 運作的基礎課程和功能。資料輸入管線
tf.data
API 可讓你利用簡單、可重複使用的零件打造複雜的輸入管線。
Estimator
代表完整模型的高階 API,專為資源調度和非同步訓練而設計。程式庫與擴充功能
探索其他資源以運用 TensorFlow 打造進階模型或方法,並存取延伸應用 TensorFlow 的特定領域應用程式套件。-
TensorBoard
視覺化工具套件,有助於使用者瞭解 TensorFlow 程式、進行偵錯與最佳化。 -
TensorFlow Hub
這個程式庫是用來發布、探索和使用機器學習模型中可重複利用的部分。 -
模型最佳化
TensorFlow 模型最佳化工具包是一套可將機器學習模型最佳化,以便進行部署和執行的工具。 -
TensorFlow Federated
適用於機器學習及其他分散資料運算的架構。 -
Neural Structured Learning
這套學習模式會運用特徵輸入內容和結構化信號來訓練類神經網路。 -
TensorFlow Graphics
電腦繪圖功能程式庫,涵蓋相機、光線、材質、和算繪等功能的程式。
-
Datasets
一系列可立即搭配 TensorFlow 使用的資料集。 -
提供內容
機器學習模型的 TFX 服務系統,專為在實際工作環境中提供高效能而設計。 -
Probability
TensorFlow Probability 是一種程式庫,用於進行機率推理和統計分析。 -
MLIR
MLIR 統合了 TensorFlow 內高效能機器學習模型的基礎架構。 -
XLA
網域專用的線性代數編譯器,有可能無須變更原始碼,就能加速 TensorFlow 模型。 -
SIG Addons
由 SIG 外掛程式維護的 TensorFlow 額外功能。 -
SIG IO
由 SIG IO 維護的資料集、串流和檔案系統擴充功能。