День сообщества ML - 9 ноября! Присоединяйтесь к нам для обновления от TensorFlow, JAX, и многое другое Подробнее

TensorFlow 2 ориентирован на простоту и удобство использования, с такими обновлениями, как активное выполнение, интуитивно понятные высокоуровневые API-интерфейсы и гибкое построение модели на любой платформе.

Многие руководства написаны в виде блокнотов Jupyter и запускаются непосредственно в Google Colab - размещенной среде блокнотов, не требующей настройки. Нажмите Выполнить в кнопке Google Colab.

Основная документация

Установите пакет или соберите из исходников. Поддержка графического процессора для карт с поддержкой CUDA®.
Узнайте, как перенести код TF1.x на TF2.
Keras - это высокоуровневый API, который проще как для начинающих, так и для исследователей машинного обучения.
Узнайте об основных классах и функциях, обеспечивающих работу TensorFlow.
tf.data API позволяет создавать сложные входные трубопроводы от простых, многократно используемых частей.
Узнайте о лучших практиках эффективной разработки с использованием TensorFlow 2.
Сохраните модель TensorFlow, используя контрольные точки или формат SavedModel.
Распределите обучение по нескольким графическим процессорам, нескольким машинам или TPU.
Лучшие практики и методы оптимизации для оптимальной производительности TensorFlow.
Исследовать дополнительные ресурсы для создания продвинутых моделей или методов с использованием TensorFlow и получить доступ к предметно-ориентированные пакеты прикладных программ , которые расширяют TensorFlow.
  • Набор инструментов визуализации для понимания, отладки и оптимизации программ TensorFlow.
  • Библиотека для публикации, обнаружения и использования повторно используемых частей моделей машинного обучения.
  • TensorFlow Model Optimization Toolkit - это набор инструментов для оптимизации моделей машинного обучения для развертывания и выполнения.
  • Фреймворк для машинного обучения и других вычислений на децентрализованных данных.
  • Парадигма обучения для обучения нейронных сетей с использованием структурированных сигналов в дополнение к входным параметрам.
  • Библиотека функций компьютерной графики, от камер, источников света и материалов до средств визуализации.
  • Коллекция наборов данных, готовых к использованию с TensorFlow.
  • Система обслуживания TFX для моделей машинного обучения, разработанная для обеспечения высокой производительности в производственных средах.
  • TensorFlow Probability - это библиотека для вероятностных рассуждений и статистического анализа.
  • MLIR объединяет инфраструктуру для высокопроизводительных моделей машинного обучения в TensorFlow.
  • Специфический для предметной области компилятор линейной алгебры, который ускоряет модели TensorFlow без каких-либо изменений исходного кода.
  • Дополнительная функциональность для TensorFlow, поддерживаемая SIG Addons.
  • Расширения наборов данных, потоковой передачи и файловой системы, поддерживаемые SIG IO.