TensorFlow 2 koncentruje się na prostocie i łatwości użytkowania, z aktualizacjami, takimi jak szybkie wykonywanie, intuicyjne interfejsy API wyższego poziomu i elastyczne budowanie modeli na dowolnej platformie.
Wiele przewodników jest napisanych jako notatniki Jupyter i działa bezpośrednio w Google Colab — hostowanym środowisku notatników, które nie wymaga konfiguracji. Kliknij przycisk Uruchom w Google Colab.
Niezbędna dokumentacja
Zainstaluj TensorFlow
Zainstaluj pakiet lub kompilację ze źródła. Obsługa GPU dla kart obsługujących CUDA®.Migracja do TensorFlow 2
Dowiedz się, jak przeprowadzić migrację kodu TF1.x do TF2.Keras
Keras to wysokopoziomowy interfejs API, który jest łatwiejszy zarówno dla początkujących, jak i badaczy ML.Podstawy TensorFlow
Poznaj podstawowe klasy i funkcje, dzięki którym TensorFlow działa.Potoki wprowadzania danych
tf.data API pozwala na tworzenie złożonych rurociągów wejściowe z prostych, wielokrotnego użytku kawałki.
Najlepsze praktyki TensorFlow 2
Poznaj najlepsze praktyki efektywnego programowania przy użyciu TensorFlow 2.Zapisz model
Zapisz model TensorFlow za pomocą punktów kontrolnych lub formatu SavedModel.Akceleratory
Dystrybuuj szkolenie na wielu procesorach graficznych, wielu maszynach lub TPU.Wydajność
Najlepsze praktyki i techniki optymalizacji zapewniające optymalną wydajność TensorFlow.Biblioteki i rozszerzenia
Przeglądaj dodatkowych środków do budowania zaawansowanych modeli i metod z wykorzystaniem TensorFlow oraz dostęp domen specyficzne pakiety aplikacji, które rozszerzają TensorFlow.-
Tensorboard
Zestaw narzędzi do wizualizacji umożliwiających zrozumienie, debugowanie i optymalizację programów TensorFlow. -
Centrum TensorFlow
Biblioteka do publikacji, odkrywania i używania części modeli uczenia maszynowego wielokrotnego użytku. -
Optymalizacja modelu
TensorFlow Model Optimization Toolkit to zestaw narzędzi do optymalizacji modeli ML pod kątem wdrażania i wykonywania. -
Federacja TensorFlow
Ramy uczenia maszynowego i innych obliczeń na zdecentralizowanych danych. -
Uczenie o strukturze neuronowej
Paradygmat uczenia się do trenowania sieci neuronowych poprzez wykorzystanie sygnałów strukturalnych oprócz danych wejściowych funkcji. -
Grafika TensorFlow
Biblioteka funkcji grafiki komputerowej, od kamer, świateł i materiałów po renderery.
-
Zbiory danych
Zbiór zestawów danych gotowych do użycia z TensorFlow. -
Porcja
System obsługujący TFX dla modeli ML, zaprojektowany z myślą o wysokiej wydajności w środowiskach produkcyjnych. -
Prawdopodobieństwo
TensorFlow Probability to biblioteka do wnioskowania probabilistycznego i analizy statystycznej. -
MLIR
MLIR ujednolica infrastrukturę dla wysokowydajnych modeli ML w TensorFlow. -
XLA
Kompilator specyficzny dla domeny dla algebry liniowej, który przyspiesza modele TensorFlow bez potencjalnie żadnych zmian w kodzie źródłowym. -
Dodatki SIG
Dodatkowa funkcjonalność dla TensorFlow, obsługiwana przez SIG Addons. -
SIG IO
Rozszerzenia zestawu danych, przesyłania strumieniowego i systemu plików obsługiwane przez SIG IO.