TensorFlow 2 koncentruje się na prostocie i łatwości użytkowania, dzięki aktualizacjom, takim jak przyspieszone wykonywanie, intuicyjne interfejsy API wyższego poziomu i elastyczne tworzenie modeli na dowolnej platformie.
Wiele przewodników ma postać notatników Jupyter i działa bezpośrednio w Google Colab - hostowanym środowisku notebooków, które nie wymaga konfiguracji. Kliknij przycisk Uruchom w Google Colab .
Niezbędna dokumentacja
Zainstaluj TensorFlow
Zainstaluj pakiet lub skompiluj ze źródła. Obsługa GPU dla kart obsługujących CUDA®.TensorFlow 2
Najlepsze rozwiązania i narzędzia TensorFlow 2 do migracji kodu.Keras
Keras to interfejs API wysokiego poziomu, który jest łatwiejszy zarówno dla początkujących, jak i badaczy ML.Podstawy TensorFlow
Dowiedz się o podstawowych klasach i funkcjach, dzięki którym TensorFlow działa.Potoki wprowadzania danych
tf.data API tf.data umożliwia tworzenie złożonych potoków wejściowych z prostych elementów wielokrotnego użytku.
Estymatory
Interfejs API wysokiego poziomu, który reprezentuje kompletny model, przeznaczony do skalowania i szkolenia asynchronicznego.Zapisz model
Zapisz model TensorFlow przy użyciu punktów kontrolnych lub formatu SavedModel.Akceleratory
Rozprowadź szkolenie na wiele procesorów graficznych, wiele maszyn lub jednostek TPU.Wydajność
Najlepsze praktyki i techniki optymalizacji zapewniające optymalną wydajność TensorFlow.Biblioteki i rozszerzenia
Eksploruj dodatkowe zasoby, aby tworzyć zaawansowane modele lub metody przy użyciu TensorFlow i uzyskiwać dostęp do pakietów aplikacji specyficznych dla domeny, które rozszerzają TensorFlow.-
TensorBoard
Zestaw narzędzi do wizualizacji do zrozumienia, debugowania i optymalizacji programów TensorFlow. -
TensorFlow Hub
Biblioteka służąca do publikowania, odkrywania i wykorzystywania części modeli uczenia maszynowego do ponownego wykorzystania. -
Optymalizacja modelu
TensorFlow Model Optimization Toolkit to zestaw narzędzi do optymalizacji modeli ML pod kątem wdrażania i wykonywania. -
Federacja TensorFlow
Struktura uczenia maszynowego i innych obliczeń na zdecentralizowanych danych. -
Uczenie strukturalne neuronowe
Paradygmat uczenia się polegający na trenowaniu sieci neuronowych poprzez wykorzystanie sygnałów strukturalnych oprócz danych wejściowych dotyczących funkcji. -
Grafika TensorFlow
Biblioteka funkcji grafiki komputerowej, od aparatów, świateł i materiałów po renderery.
-
Zestawy 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
Specyficzny dla domeny kompilator algebry liniowej, który przyspiesza modele TensorFlow bez potencjalnie zmian w kodzie źródłowym. -
SIG Addons
Dodatkowa funkcjonalność dla TensorFlow, utrzymywana przez SIG Addons. -
SIG IO
Zestaw danych, przesyłanie strumieniowe i rozszerzenia systemu plików obsługiwane przez SIG IO.