در سمپوزیوم زنان در ML در 7 دسامبر شرکت کنید هم اکنون ثبت نام کنید
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.
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.
  • مجموعه ای از ابزارهای تجسم برای درک، اشکال زدایی و بهینه سازی برنامه های TensorFlow.
  • کتابخانه ای برای انتشار، کشف و مصرف قطعات قابل استفاده مجدد مدل های یادگیری ماشین.
  • جعبه ابزار بهینه‌سازی مدل TensorFlow مجموعه‌ای از ابزارها برای بهینه‌سازی مدل‌های ML برای استقرار و اجرا است.
  • چارچوبی برای یادگیری ماشین و سایر محاسبات روی داده های غیرمتمرکز.
  • یک الگوی یادگیری برای آموزش شبکه های عصبی با استفاده از سیگنال های ساخت یافته علاوه بر ورودی های ویژگی.
  • کتابخانه ای از قابلیت های گرافیکی کامپیوتری از دوربین ها، چراغ ها و مواد گرفته تا رندرها.
  • مجموعه ای از مجموعه های داده آماده برای استفاده با TensorFlow.
  • یک سیستم سرویس دهی TFX برای مدل های ML که برای عملکرد بالا در محیط های تولید طراحی شده است.
  • TensorFlow Probability کتابخانه ای برای استدلال احتمالی و تجزیه و تحلیل آماری است.
  • MLIR زیرساخت را برای مدل های ML با کارایی بالا در TensorFlow یکپارچه می کند.
  • یک کامپایلر مخصوص دامنه برای جبر خطی که مدل های TensorFlow را بدون تغییر کد منبع بالقوه تسریع می کند.
  • قابلیت اضافی برای TensorFlow که توسط SIG Addons نگهداری می شود.
  • مجموعه داده، جریان و پسوندهای سیستم فایل، که توسط SIG IO نگهداری می شود.