コレクションでコンテンツを整理 必要に応じて、コンテンツの保存と分類を行います。

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

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。
TF1.x コードを TF2 に移行する方法を学びます。
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 を機能させる基本的なクラスと機能について学びます。
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 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。
チェックポイントまたは SavedModel 形式を使用して TensorFlow モデルを保存します。
複数の GPU、複数のマシン、または TPU にトレーニングを分散します。
TensorFlow のパフォーマンスを最適化するためのベスト プラクティスと最適化手法。
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。
  • TensorFlow ですぐに使用できるデータセットのコレクション。
  • 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。
  • 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 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。
  • 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 Addons によって維持される TensorFlow の追加機能。
  • 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。