TensorFlow 2 фокусируется на простоте и удобстве использования, с такими обновлениями, как eager execution, интуитивно понятные высокоуровневые API и гибкое построение моделей на любой платформе.

Многие руководства написаны в виде ноутбуков Jupyter и запускаются непосредственно в Google Colab - среде для ноутбуков, которая не требует установки. Используйте в руководствах кнопку «Запустить в Google Colab».

Необходимая документация

Установите пакет или соберите из исходников. Поддержка GPU для карт с поддержкой CUDA®.
Лучшие практики и инструменты TensorFlow 2 для переноса вашего кода.
Keras это более легкий для ML новичков высокоуровневый API подходящий и для исследователей.
TensorFlow для исследований и экспериментов. Напишите пользовательские слои и модели, прямой проход и обучающие циклы.
API tf.data позволяют вам построить сложные конвейеры ввода данных из простых переиспользуемых частей.
Высокоуровневый API, представляющий законченную модель, спроектирован для масштабирования и асинхронного обучения.
Сохраняйте модели TensorFlow используя контрольные точки или формат SavedModel.
Распределите обучение между несколькими GPU, компьютерами или TPU.
Изучите дополнительные ресурсы для создания сложных моделей или методов с использованием TensorFlow, получения доступа к специализированным пакетам приложений, расширяющих функционал TensorFlow.
  • Набор инструментов визуализации для понимания, отладки и оптимизации программ TensorFlow.
  • Библиотека для публикации, изучения и использования переиспользуемых частей моделей машинного обучения.
  • TensorFlow Model Optimization Toolkit представляет собой набор инструментов оптимизации моделей ML для использования в продакшне.
  • Фреймворк для машинного обучения и других вычислений на децентрализованных данных.
  • Учебная парадигма для обучения нейронных сетей путем использования структурированных сигналов в дополнение к входным параметрам.
  • Библиотека функций компьютерной графики, начиная от камер, источников света и материалов до рендеров.
  • Коллекция датасетов готовых к использованию с TensorFlow.
  • Система обслуживания TFX для моделей машинного обучения, предназначенная для достижения высокой производительности в продакшене.
  • TensorFlow Probability это библиотека для вероятностных рассуждений и статистического анализа.
  • MLIR унифицирует инфраструктуру для высокопроизводительных моделей ML в TensorFlow.
  • Компилятор линейной алгебры для различных областей применения, ускоряющий модели TensorFlow потенциально без изменений исходного кода.
  • Дополнительная функциональность для TensorFlow, поддерживаемая SIG Addons.
  • Расширения баз данных, потоковых передач и файловых систем поддерживаемых SIG IO.