TensorFlow 2 se enfoca en la simplicidad y la facilidad de uso, con actualizaciones como ejecución entusiasta, API intuitivas de alto nivel y creación de modelos flexibles en cualquier plataforma.
Muchas guías están escritas como cuadernos Jupyter y se ejecutan directamente en Google Colab, un entorno de cuaderno alojado que no requiere configuración. Haga clic en el botón Ejecutar en Google Colab .
Documentación esencial
Instalar TensorFlow
Instale el paquete o construya desde la fuente. Compatibilidad con GPU para tarjetas habilitadas para CUDA®.Migrar a TensorFlow 2
Aprenda a migrar su código TF1.x a TF2.Keras
Keras es una API de alto nivel que es más fácil para los principiantes de ML, así como para los investigadores.Conceptos básicos de TensorFlow
Obtenga información sobre las clases y características fundamentales que hacen que TensorFlow funcione.Canalizaciones de entrada de datos
La APItf.data le permite crear canalizaciones de entrada complejas a partir de piezas simples y reutilizables.
Prácticas recomendadas de TensorFlow 2
Conozca las mejores prácticas para un desarrollo eficaz con TensorFlow 2.Guardar un modelo
Guarde un modelo de TensorFlow usando puntos de control o el formato de modelo guardado.Aceleradores
Distribuya la capacitación en múltiples GPU, múltiples máquinas o TPU.Actuación
Mejores prácticas y técnicas de optimización para un rendimiento óptimo de TensorFlow.Bibliotecas y extensiones
Explore recursos adicionales para crear modelos o métodos avanzados con TensorFlow y acceda a paquetes de aplicaciones específicos de dominio que amplían TensorFlow.-
TensorTablero
Un conjunto de herramientas de visualización para comprender, depurar y optimizar los programas de TensorFlow. -
Centro TensorFlow
Una biblioteca para la publicación, el descubrimiento y el consumo de partes reutilizables de modelos de aprendizaje automático. -
Optimización del modelo
El kit de herramientas de optimización de modelos de TensorFlow es un conjunto de herramientas para optimizar los modelos de aprendizaje automático para su implementación y ejecución. -
TensorFlow federado
Un marco para el aprendizaje automático y otros cálculos en datos descentralizados. -
Aprendizaje estructurado neuronal
Un paradigma de aprendizaje para entrenar redes neuronales aprovechando señales estructuradas además de entradas de funciones. -
Gráficos TensorFlow
Una biblioteca de funcionalidades de gráficos por computadora que van desde cámaras, luces y materiales hasta renderizadores.
-
conjuntos de datos
Una colección de conjuntos de datos listos para usar con TensorFlow. -
Servicio
Un sistema de servicio TFX para modelos ML, diseñado para entornos de producción de alto rendimiento. -
Probabilidad
TensorFlow Probability es una biblioteca para el razonamiento probabilístico y el análisis estadístico. -
MLIR
MLIR unifica la infraestructura para modelos de ML de alto rendimiento en TensorFlow. -
XLA
Un compilador específico de dominio para álgebra lineal que acelera los modelos de TensorFlow sin cambios potenciales en el código fuente. -
Complementos SIG
Funcionalidad adicional para TensorFlow, mantenida por SIG Addons. -
SIGIO
Extensiones de conjuntos de datos, transmisión y sistema de archivos, mantenidas por SIG IO.