با مجموعه‌ها، منظم بمانید ذخیره و دسته‌بندی محتوا براساس اولویت‌های شما.

TensorFlow 2 روی سادگی و سهولت استفاده با به‌روزرسانی‌هایی مانند اجرای مشتاقانه، APIهای سطح بالاتر بصری و ساخت مدل انعطاف‌پذیر بر روی هر پلتفرمی تمرکز دارد.

بسیاری از راهنماها به‌عنوان نوت‌بوک Jupyter نوشته شده‌اند و مستقیماً در Google Colab اجرا می‌شوند—یک محیط نوت‌بوک میزبانی‌شده که نیازی به تنظیم ندارد. روی دکمه Run in Google Colab کلیک کنید.

مستندات ضروری

بسته یا بیلد را از منبع نصب کنید. پشتیبانی از GPU برای کارت‌های دارای CUDA®.
با نحوه انتقال کد TF1.x به TF2 آشنا شوید.
Keras یک API سطح بالا است که برای مبتدیان ML و همچنین محققان آسان‌تر است.
در مورد کلاس ها و ویژگی های اساسی که باعث کارکرد TensorFlow می شوند، بیاموزید.
tf.data API شما را قادر می سازد خطوط لوله ورودی پیچیده ای را از قطعات ساده و قابل استفاده مجدد بسازید.
در مورد بهترین شیوه ها برای توسعه موثر با استفاده از TensorFlow 2 بیاموزید.
یک مدل TensorFlow را با استفاده از نقاط چک یا فرمت SavedModel ذخیره کنید.
آموزش را در چندین GPU، چندین ماشین یا TPU توزیع کنید.
بهترین شیوه ها و تکنیک های بهینه سازی برای عملکرد بهینه TensorFlow.

کتابخانه ها و الحاقات

منابع اضافی را برای ساختن مدل‌ها یا روش‌های پیشرفته با استفاده از TensorFlow کاوش کنید و به بسته‌های کاربردی دامنه خاص که TensorFlow را گسترش می‌دهند، دسترسی پیدا کنید.

  • TensorBoard

    مجموعه ای از ابزارهای تجسم برای درک، اشکال زدایی و بهینه سازی برنامه های TensorFlow.

  • تنسورفلو هاب

    کتابخانه ای برای انتشار، کشف و مصرف قطعات قابل استفاده مجدد مدل های یادگیری ماشین.

  • بهینه سازی مدل

    جعبه ابزار بهینه‌سازی مدل TensorFlow مجموعه‌ای از ابزارها برای بهینه‌سازی مدل‌های ML برای استقرار و اجرا است.

  • TensorFlow فدرال

    چارچوبی برای یادگیری ماشین و سایر محاسبات روی داده های غیرمتمرکز.

  • یادگیری ساختاری عصبی

    یک الگوی یادگیری برای آموزش شبکه های عصبی با استفاده از سیگنال های ساخت یافته علاوه بر ورودی های ویژگی.

  • گرافیک TensorFlow

    کتابخانه ای از قابلیت های گرافیکی کامپیوتری از دوربین ها، چراغ ها و مواد گرفته تا رندرها.

  • مجموعه داده ها

    مجموعه ای از مجموعه های داده آماده برای استفاده با TensorFlow.

  • در حال خدمت کردن

    یک سیستم سرویس دهی TFX برای مدل های ML که برای عملکرد بالا در محیط های تولید طراحی شده است.

  • احتمال

    TensorFlow Probability کتابخانه ای برای استدلال احتمالی و تجزیه و تحلیل آماری است.

  • MLIR

    MLIR زیرساخت را برای مدل های ML با کارایی بالا در TensorFlow یکپارچه می کند.

  • XLA

    یک کامپایلر مخصوص دامنه برای جبر خطی که مدل های TensorFlow را بدون تغییر کد منبع بالقوه تسریع می کند.

  • افزونه های SIG

    قابلیت اضافی برای TensorFlow که توسط SIG Addons نگهداری می شود.

  • SIG IO

    مجموعه داده، جریان و پسوندهای سیستم فایل، که توسط SIG IO نگهداری می شود.