RSVP für Ihr lokales TensorFlow Everywhere-Event noch heute!
Diese Seite wurde von der Cloud Translation API übersetzt.
Switch to English

TensorFlow 2 konzentriert sich auf Einfachheit und Benutzerfreundlichkeit mit Updates wie eifriger Ausführung, intuitiven übergeordneten APIs und flexibler Modellbildung auf jeder Plattform.

Viele Handbücher sind als Jupyter-Notizbücher geschrieben und werden direkt in Google Colab ausgeführt - einer gehosteten Notizbuchumgebung, für die keine Einrichtung erforderlich ist. Klicken Sie auf die Schaltfläche In Google Colab ausführen.

Grundlegende Dokumentation

Installieren Sie das Paket oder erstellen Sie es aus dem Quellcode. GPU-Unterstützung für CUDA®-fähige Karten.
Lernen Sie die Best Practices und Tools von TensorFlow 2 kennen, um Ihren TF1-Code auf TF2 zu migrieren.
Keras ist eine High-Level-API, die sowohl für ML-Anfänger als auch für Forscher einfacher ist.
Erfahren Sie mehr über die grundlegenden Klassen und Funktionen, mit denen TensorFlow funktioniert.
Mit der tf.data API können Sie komplexe Eingabe-Pipelines aus einfachen, wiederverwendbaren Teilen erstellen.
Eine High-Level-API, die ein vollständiges Modell darstellt, das für Skalierung und asynchrones Training entwickelt wurde.
Speichern Sie ein TensorFlow-Modell mithilfe von Prüfpunkten oder im SavedModel-Format.
Verteilen Sie das Training auf mehrere GPUs, mehrere Maschinen oder TPUs.
Best Practices und Optimierungstechniken für eine optimale TensorFlow-Leistung.
Durchsuchen Sie zusätzliche Ressourcen , um mithilfe von TensorFlow erweiterte Modelle oder Methoden zu erstellen, und greifen Sie auf domänenspezifische Anwendungspakete zu, die TensorFlow erweitern.
  • Eine Sammlung von Datensätzen, die mit TensorFlow verwendet werden können.
  • Ein TFX-Serving-System für ML-Modelle, das für hohe Leistung in Produktionsumgebungen ausgelegt ist.
  • TensorFlow Probability ist eine Bibliothek für probabilistisches Denken und statistische Analyse.
  • MLIR vereinheitlicht die Infrastruktur für leistungsstarke ML-Modelle in TensorFlow.
  • Ein domänenspezifischer Compiler für lineare Algebra, der TensorFlow-Modelle beschleunigt, ohne dass sich der Quellcode ändert.
  • Zusätzliche Funktionalität für TensorFlow, die von SIG Addons verwaltet wird.
  • Datensatz-, Streaming- und Dateisystemerweiterungen, die von SIG IO verwaltet werden.