TensorFlow 2 はシンプルさと使いやすさに重点を置いており、熱心な実行、直感的な高レベル API、あらゆるプラットフォームでの柔軟なモデル構築などの更新が行われています。
多くのガイドは Jupyter ノートブックとして作成され、Google Colab で直接実行されます。これは、セットアップを必要としないホストされたノートブック環境です。 [ Google Colab で実行] ボタンをクリックします。
重要なドキュメント
TensorFlow をインストールする
パッケージをインストールするか、ソースからビルドします。 CUDA® 対応カードの GPU サポート。TensorFlow 2 に移行する
TF1.x コードを TF2 に移行する方法を学びます。ケラス
Keras は、ML の初心者や研究者にとってより簡単な高レベル API です。TensorFlow の基本
TensorFlow を機能させる基本的なクラスと機能について学びます。データ入力パイプライン
tf.data
API を使用すると、単純で再利用可能な部分から複雑な入力パイプラインを構築できます。
TensorFlow 2 のベスト プラクティス
TensorFlow 2 を使用した効果的な開発のベスト プラクティスについて学びます。ライブラリと拡張機能
TensorFlow を使用して高度なモデルやメソッドを構築するための追加リソースを調べ、TensorFlow を拡張するドメイン固有のアプリケーション パッケージにアクセスします。-
TensorBoard
TensorFlow プログラムを理解し、デバッグし、最適化するための視覚化ツールのスイート。 -
TensorFlow ハブ
機械学習モデルの再利用可能な部分を公開、発見、使用するためのライブラリ。 -
モデルの最適化
TensorFlow モデル最適化ツールキットは、展開と実行のために ML モデルを最適化するための一連のツールです。 -
TensorFlow 連携
分散型データに対する機械学習やその他の計算のためのフレームワーク。 -
神経構造学習
特徴入力に加えて構造化信号を活用してニューラル ネットワークをトレーニングするための学習パラダイム。 -
TensorFlow グラフィックス
カメラ、ライト、マテリアルからレンダラーまで、コンピュータ グラフィックス機能のライブラリ。
-
データセット
TensorFlow ですぐに使用できるデータセットのコレクション。 -
サービング
ML モデル用の TFX サービス提供システムで、本番環境での高性能を実現するように設計されています。 -
確率
TensorFlow Probability は、確率論的推論と統計分析のためのライブラリです。 -
MLIR
MLIR は、TensorFlow で高性能 ML モデルのインフラストラクチャを統合します。 -
XLA
潜在的にソース コードを変更せずに TensorFlow モデルを高速化する、線形代数用のドメイン固有のコンパイラ。 -
SIG アドオン
SIG Addons によって維持される TensorFlow の追加機能。 -
シグイオ
SIG IO によって維持されるデータセット、ストリーミング、およびファイル システムの拡張機能。