O TensorFlow 2 se concentra na simplicidade e facilidade de uso, com atualizações como execução rápida, APIs intuitivas de nível superior e construção de modelo flexível em qualquer plataforma.
Muitos guias são escritos como notebooks Jupyter e executados diretamente no Google Colab, um ambiente de notebook hospedado que não requer configuração. Clique no botão Executar no Google Colab .
Documentação essencial
Instalar o TensorFlow
Instale o pacote ou construa a partir da fonte. Suporte de GPU para placas habilitadas para CUDA®.Migrar para o TensorFlow 2
Saiba como migrar seu código do TF1.x para o TF2.Keras
Keras é uma API de alto nível que é mais fácil para iniciantes em ML, bem como pesquisadores.Noções básicas do TensorFlow
Saiba mais sobre as classes e recursos fundamentais que fazem o TensorFlow funcionar.Pipelines de entrada de dados
A APItf.data permite que você crie pipelines de entrada complexos a partir de peças simples e reutilizáveis.
Práticas recomendadas do TensorFlow 2
Conheça as práticas recomendadas para um desenvolvimento eficaz usando o TensorFlow 2.Salvar um modelo
Salve um modelo do TensorFlow usando pontos de verificação ou o formato SavedModel.Aceleradores
Distribua o treinamento em várias GPUs, várias máquinas ou TPUs.atuação
Práticas recomendadas e técnicas de otimização para o desempenho ideal do TensorFlow.Bibliotecas e extensões
Explore recursos adicionais para criar modelos ou métodos avançados usando o TensorFlow e acesse pacotes de aplicativos específicos do domínio que estendem o TensorFlow.-
TensorBoard
Um conjunto de ferramentas de visualização para entender, depurar e otimizar os programas TensorFlow. -
Hub do TensorFlow
Uma biblioteca para publicação, descoberta e consumo de partes reutilizáveis de modelos de aprendizado de máquina. -
Otimização do modelo
O TensorFlow Model Optimization Toolkit é um conjunto de ferramentas para otimizar modelos de ML para implantação e execução. -
TensorFlow Federado
Uma estrutura para aprendizado de máquina e outros cálculos em dados descentralizados. -
Aprendizado Estruturado Neural
Um paradigma de aprendizado para treinar redes neurais aproveitando sinais estruturados além de entradas de recursos. -
Gráficos do TensorFlow
Uma biblioteca de funcionalidades de computação gráfica que vão desde câmeras, luzes e materiais até renderizadores.
-
Conjuntos de dados
Uma coleção de conjuntos de dados prontos para uso com o TensorFlow. -
Servindo
Um sistema de serviço TFX para modelos de ML, projetado para alto desempenho em ambientes de produção. -
Probabilidade
TensorFlow Probability é uma biblioteca para raciocínio probabilístico e análise estatística. -
MLIR
O MLIR unifica a infraestrutura para modelos de ML de alto desempenho no TensorFlow. -
XLA
Um compilador específico de domínio para álgebra linear que acelera os modelos do TensorFlow sem alterações no código-fonte potencialmente. -
Complementos SIG
Funcionalidade extra para TensorFlow, mantida pela SIG Addons. -
SIG IO
Extensões de conjunto de dados, streaming e sistema de arquivos, mantidas pela SIG IO.