Google I/O — это обертка! Наверстать упущенное в сеансах TensorFlow Просмотреть сеансы

TensorFlow 2 ориентирован на простоту и удобство использования, с такими обновлениями, как активное выполнение, интуитивно понятные высокоуровневые API-интерфейсы и гибкое построение модели на любой платформе.

Многие руководства написаны в виде блокнотов Jupyter и запускаются непосредственно в Google Colab - размещенной среде блокнотов, не требующей настройки. Нажмите Выполнить в кнопке Google Colab.

Основная документация

Установите пакет или соберите из исходников. Поддержка графического процессора для карт с поддержкой CUDA®.
Узнайте, как перенести код TF1.x на TF2.
Keras - это высокоуровневый API, который проще как для начинающих, так и для исследователей машинного обучения.
Узнайте об основных классах и функциях, обеспечивающих работу TensorFlow.
tf.data API позволяет создавать сложные входные трубопроводы от простых, многократно используемых частей.
Узнайте о лучших практиках эффективной разработки с использованием TensorFlow 2.
Сохраните модель TensorFlow, используя контрольные точки или формат SavedModel.
Распределите обучение по нескольким графическим процессорам, нескольким машинам или TPU.
Лучшие практики и методы оптимизации для оптимальной производительности TensorFlow.

Библиотеки и расширения

Исследовать дополнительные ресурсы для создания продвинутых моделей или методов с использованием TensorFlow и получить доступ к предметно-ориентированные пакеты прикладных программ , которые расширяют TensorFlow.

  • TensorBoard

    Набор инструментов визуализации для понимания, отладки и оптимизации программ TensorFlow.

  • TensorFlow Hub

    Библиотека для публикации, обнаружения и использования повторно используемых частей моделей машинного обучения.

  • Оптимизация модели

    TensorFlow Model Optimization Toolkit - это набор инструментов для оптимизации моделей машинного обучения для развертывания и выполнения.

  • TensorFlow Federated

    Фреймворк для машинного обучения и других вычислений на децентрализованных данных.

  • Нейронно-структурированное обучение

    Парадигма обучения для обучения нейронных сетей с использованием структурированных сигналов в дополнение к входным параметрам.

  • Графика TensorFlow

    Библиотека функций компьютерной графики, от камер, источников света и материалов до средств визуализации.

  • Наборы данных

    Коллекция наборов данных, готовых к использованию с TensorFlow.

  • Обслуживание

    Система обслуживания TFX для моделей машинного обучения, разработанная для обеспечения высокой производительности в производственных средах.

  • Вероятность

    TensorFlow Probability - это библиотека для вероятностных рассуждений и статистического анализа.

  • MLIR

    MLIR объединяет инфраструктуру для высокопроизводительных моделей машинного обучения в TensorFlow.

  • XLA

    Специфический для предметной области компилятор линейной алгебры, который ускоряет модели TensorFlow без каких-либо изменений исходного кода.

  • Дополнения SIG

    Дополнительная функциональность для TensorFlow, поддерживаемая SIG Addons.

  • SIG IO

    Расширения наборов данных, потоковой передачи и файловой системы, поддерживаемые SIG IO.