Google I / O 18 تا 20 مه بازگشت دارد! فضا را ذخیره کنید و برنامه خود را بسازید اکنون ثبت نام کنید

TensorFlow 2 بر روی سادگی و سهولت استفاده تمرکز دارد ، با به روزرسانی هایی مانند اجرای مشتاقانه ، API های سطح بالاتر بصری و ایجاد مدل انعطاف پذیر در هر سیستم عامل.

بسیاری از راهنماها به عنوان دفترهای یادداشت Jupyter نوشته می شوند و مستقیماً در Google Colab اجرا می شوند - یک محیط نوت بوک میزبان که نیازی به نصب ندارد. روی دکمه Run in Google Colab کلیک کنید.

مستندات اساسی

بسته را نصب کنید یا از منبع بسازید. پشتیبانی از پردازنده گرافیکی کارتهای CUDA®.
TensorFlow 2 بهترین روش ها و ابزارها را برای انتقال کد TF1 به TF2 بیاموزید.
Keras یک API سطح بالا است که برای مبتدیان ML و همچنین محققان آسان تر است.
درباره کلاسها و ویژگیهای اساسی TensorFlow کار کنید.
tf.data API شما را قادر می سازد از قطعات ساده و قابل استفاده مجدد ، خطوط لوله ورودی پیچیده ای بسازید.
یک API سطح بالا که نمایانگر یک مدل کامل است که برای مقیاس گذاری و آموزش ناهمزمان طراحی شده است.
با استفاده از ایست های بازرسی یا قالب SavedModel ، یک مدل TensorFlow را ذخیره کنید.
آموزش را بین چندین GPU ، چندین ماشین یا TPU توزیع کنید.
بهترین روش ها و تکنیک های بهینه سازی برای عملکرد مطلوب TensorFlow.

کتابخانه ها و الحاقات

برای ساخت مدلها یا روشهای پیشرفته با استفاده از TensorFlow ، منابع اضافی را کاوش کنید و به بسته های برنامه مخصوص دامنه که TensorFlow گسترش می یابد دسترسی پیدا کنید.

  • TensorBoard

    مجموعه ای از ابزارهای تجسم برای درک ، اشکال زدایی و بهینه سازی برنامه های TensorFlow.

  • TensorFlow هاب

    کتابخانه ای برای انتشار ، کشف و مصرف قطعات قابل استفاده مجدد از مدل های یادگیری ماشین.

  • بهینه سازی مدل

    مجموعه ابزار بهینه سازی مدل TensorFlow مجموعه ای از ابزارها برای بهینه سازی مدل های ML برای استقرار و اجرا است.

  • فدراسیون TensorFlow

    چارچوبی برای یادگیری ماشین و سایر محاسبات داده های غیرمتمرکز.

  • یادگیری ساختاری عصبی

    یک الگوی یادگیری برای آموزش شبکه های عصبی با استفاده از سیگنال های ساخت یافته علاوه بر ورودی های ویژگی.

  • گرافیک TensorFlow

    کتابخانه ای از ویژگی های گرافیک رایانه ای اعم از دوربین ، چراغ و مواد گرفته تا رندر.

  • مجموعه داده ها

    مجموعه ای از مجموعه داده های آماده برای استفاده با TensorFlow.

  • خدمت کردن

    یک سیستم سرویس دهی TFX برای مدل های ML ، طراحی شده برای عملکرد بالا در محیط های تولید.

  • احتمال

    TensorFlow احتمال کتابخانه ای برای استدلال احتمالی و تجزیه و تحلیل آماری است.

  • MLIR

    MLIR زیرساختهای مدلهای ML با عملکرد بالا را در TensorFlow متحد می کند.

  • XLA

    یک کامپایلر مخصوص دامنه برای جبر خطی که مدلهای TensorFlow را تسریع می کند و بدون تغییر کد منبع.

  • افزودنیهای SIG

    قابلیت های اضافی برای TensorFlow ، که توسط SIG Addons نگهداری می شود.

  • SIG IO

    پسوندهای مجموعه داده ، جریان و سیستم فایل که توسط SIG IO نگهداری می شوند.