TensorFlow 2 si concentra sulla semplicità e facilità d'uso, con aggiornamenti come un'esecuzione impaziente, API intuitive di livello superiore e creazione di modelli flessibili su qualsiasi piattaforma.
Molte guide sono scritte come notebook Jupyter e vengono eseguite direttamente in Google Colab, un ambiente notebook ospitato che non richiede configurazione. Fare clic sul pulsante Esegui in Google Colab .
Documentazione essenziale
Installa TensorFlow
Installa il pacchetto o crea da sorgente. Supporto GPU per schede abilitate CUDA®.TensorFlow 2
Best practice e strumenti di TensorFlow 2 per la migrazione del codice.Keras
Keras è un'API di alto livello più facile per i principianti del machine learning, così come per i ricercatori.Nozioni di base su TensorFlow
Scopri le classi e le funzionalità fondamentali che fanno funzionare TensorFlow.Pipeline di input dei dati
L'APItf.data
consente di creare pipeline di input complesse da parti semplici e riutilizzabili.
Stimatori
Un'API di alto livello che rappresenta un modello completo, progettato per il ridimensionamento e l'addestramento asincrono.Salva un modello
Salva un modello TensorFlow utilizzando i checkpoint o il formato SavedModel.Acceleratori
Distribuisci la formazione su più GPU, più macchine o TPU.Prestazione
Best practice e tecniche di ottimizzazione per prestazioni ottimali di TensorFlow.Biblioteche ed estensioni
Esplora risorse aggiuntive per creare modelli o metodi avanzati utilizzando TensorFlow e accedi a pacchetti di applicazioni specifici del dominio che estendono TensorFlow.-
TensorBoard
Una suite di strumenti di visualizzazione per comprendere, eseguire il debug e ottimizzare i programmi TensorFlow. -
TensorFlow Hub
Una libreria per la pubblicazione, la scoperta e il consumo di parti riutilizzabili di modelli di machine learning. -
Ottimizzazione del modello
TensorFlow Model Optimization Toolkit è una suite di strumenti per l'ottimizzazione dei modelli ML per la distribuzione e l'esecuzione. -
TensorFlow Federated
Un framework per l'apprendimento automatico e altri calcoli su dati decentralizzati. -
Apprendimento strutturato neurale
Un paradigma di apprendimento per addestrare le reti neurali sfruttando segnali strutturati oltre agli input di funzionalità. -
Grafica TensorFlow
Una libreria di funzionalità di computer grafica che vanno da fotocamere, luci e materiali ai renderer.
-
Set di dati
Una raccolta di set di dati pronti per l'uso con TensorFlow. -
Servendo
Un sistema di servizio TFX per modelli ML, progettato per alte prestazioni in ambienti di produzione. -
Probabilità
TensorFlow Probability è una libreria per il ragionamento probabilistico e l'analisi statistica. -
MLIR
MLIR unifica l'infrastruttura per i modelli ML ad alte prestazioni in TensorFlow. -
XLA
Un compilatore specifico del dominio per l'algebra lineare che accelera i modelli TensorFlow senza potenzialmente apportare modifiche al codice sorgente. -
SIG Addons
Funzionalità extra per TensorFlow, gestita da SIG Addons. -
SIG IO
Set di dati, streaming ed estensioni del file system, gestiti da SIG IO.