Weź udział w sympozjum Women in ML 7 grudnia Zarejestruj się teraz
Zadbaj o dobrą organizację dzięki kolekcji Zapisuj i kategoryzuj treści zgodnie ze swoimi preferencjami.

TensorFlow 2 koncentruje się na prostocie i łatwości użytkowania, z aktualizacjami, takimi jak szybkie wykonywanie, intuicyjne interfejsy API wyższego poziomu i elastyczne budowanie modeli na dowolnej platformie.

Wiele przewodników jest napisanych jako notatniki Jupyter i działa bezpośrednio w Google Colab — hostowanym środowisku notatników, które nie wymaga konfiguracji. Kliknij przycisk Uruchom w Google Colab .

Niezbędna dokumentacja

Zainstaluj pakiet lub kompilację ze źródła. Obsługa GPU dla kart obsługujących CUDA®.
Dowiedz się, jak przeprowadzić migrację kodu TF1.x do TF2.
Keras to wysokopoziomowy interfejs API, który jest łatwiejszy zarówno dla początkujących, jak i dla badaczy ML.
Poznaj podstawowe klasy i funkcje, dzięki którym TensorFlow działa.
Interfejs API tf.data umożliwia tworzenie złożonych potoków wejściowych z prostych elementów wielokrotnego użytku.
Poznaj najlepsze praktyki efektywnego programowania przy użyciu TensorFlow 2.
Zapisz model TensorFlow za pomocą punktów kontrolnych lub formatu SavedModel.
Dystrybuuj szkolenie na wielu procesorach graficznych, wielu maszynach lub TPU.
Najlepsze praktyki i techniki optymalizacji zapewniające optymalną wydajność TensorFlow.
Przeglądaj dodatkowe zasoby, aby budować zaawansowane modele lub metody przy użyciu TensorFlow i uzyskuj dostęp do pakietów aplikacji specyficznych dla domeny, które rozszerzają TensorFlow.
  • Zbiór zestawów danych gotowych do użycia z TensorFlow.
  • System obsługujący TFX dla modeli ML, zaprojektowany z myślą o wysokiej wydajności w środowiskach produkcyjnych.
  • TensorFlow Probability to biblioteka do wnioskowania probabilistycznego i analizy statystycznej.
  • MLIR ujednolica infrastrukturę dla wysokowydajnych modeli ML w TensorFlow.
  • Kompilator specyficzny dla domeny dla algebry liniowej, który przyspiesza modele TensorFlow bez potencjalnie żadnych zmian w kodzie źródłowym.
  • Dodatkowa funkcjonalność dla TensorFlow, obsługiwana przez SIG Addons.
  • Rozszerzenia zestawu danych, przesyłania strumieniowego i systemu plików obsługiwane przez SIG IO.