این صفحه به‌وسیله ‏Cloud Translation API‏ ترجمه شده است.
Switch to English

TensorFlow 2 بر روی سادگی و سهولت استفاده متمرکز شده است ، با بروزرسانی هایی مانند اجرای مشتاق ، API های سطح بالاتر و ساخت مدل انعطاف پذیر بر روی هر سیستم عامل.

بسیاری از راهنماها به صورت نوت بوک Jupyter نوشته شده اند و مستقیماً در Google Colab اجرا می شوند environment یک محیط نوت بوک میزبان که نیازی به راه اندازی ندارد. روی گزینه Run in Google Colab کلیک کنید.

مستندات ضروری

بسته را نصب کنید یا از مبدا تهیه کنید. پشتیبانی از GPU برای کارتهای دارای CUDA®.
TensorFlow 2 بهترین شیوه ها و ابزارها برای انتقال کد خود.
Keras یک API سطح بالا است که برای مبتدیان ML و همچنین محققان راحت تر است.
در مورد کلاسها و ویژگیهای اساسی که TensorFlow کار می کنند ، بیاموزید.
API tf.data شما را قادر می سازد خطوط لوله ورودی پیچیده را از قطعات ساده و قابل استفاده مجدد بسازید.
یک API سطح بالا که یک مدل کامل را نشان می دهد ، برای مقیاس گذاری و آموزش ناهمزمان طراحی شده است.
با استفاده از نقاط بازرسی یا قالب SavedModel ، یک مدل TensorFlow را ذخیره کنید.
آموزش را در چندین GPU ، ماشین های چندگانه یا TPU توزیع کنید.
بهترین روش ها و تکنیک های بهینه سازی برای عملکرد مطلوب TensorFlow.
برای ساختن مدلها یا روشهای پیشرفته با استفاده از TensorFlow و دسترسی به بسته های کاربردی خاص دامنه که TensorFlow را گسترش می دهد ، منابع اضافی را کاوش کنید.
  • مجموعه ای از ابزارهای تجسم برای درک ، اشکال زدایی و بهینه سازی برنامه های TensorFlow.
  • کتابخانه ای برای انتشار ، کشف و مصرف بخش های قابل استفاده مجدد از مدل های یادگیری ماشین.
  • مجموعه ابزار بهینه سازی TensorFlow Model مجموعه ای از ابزارهای بهینه سازی مدل های ML برای استقرار و اجرای آن است.
  • چارچوبی برای یادگیری ماشین و سایر محاسبات در مورد داده های غیرمتمرکز.
  • یک الگوی یادگیری برای آموزش شبکه های عصبی با استفاده از سیگنال های ساختاری علاوه بر ورودی های ویژگی.
  • کتابخانه ای از ویژگی های گرافیک رایانه ای ، از دوربین ، چراغ و مواد تا رندر.
  • مجموعه ای از مجموعه داده های آماده برای استفاده با TensorFlow است.
  • سیستم سرویس TFX برای مدل های ML ، برای کارایی بالا در محیط های تولیدی طراحی شده است.
  • TensorFlow Probabil یک کتابخانه برای استدلال احتمالی و تجزیه و تحلیل آماری است.
  • MLIR زیرساختهای مدلهای ML با کارایی بالا در TensorFlow را متحد می کند.
  • کامپایلر اختصاصی دامنه برای جبر خطی که مدل های TensorFlow را بدون تغییر در منبع منبع به سرعت می بخشد.
  • قابلیت های اضافی برای TensorFlow ، پشتیبانی شده توسط SIG Addons.
  • پسوند داده ، جریان و فایل سیستم که توسط SIG IO نگهداری می شود.