Organiza tus páginas con colecciones Guarda y categoriza el contenido según tus preferencias.

Introducción a TensorFlow

TensorFlow facilita a principiantes y expertos la creación de modelos de aprendizaje automático para escritorio, dispositivos móviles, web y nube. Consulte las secciones a continuación para comenzar.

TensorFlow

Aprende los fundamentos de TensorFlow con tutoriales para principiantes y expertos que te ayudarán a crear tu próximo proyecto de aprendizaje automático.

Para Internet

Usa TensorFlow.js para crear nuevos modelos de aprendizaje automático e implementar modelos existentes con JavaScript.

Para móvil y borde

Ejecute la inferencia con TensorFlow Lite en dispositivos móviles e integrados como Android, iOS, Edge TPU y Raspberry Pi.

para producción

Implemente una canalización de aprendizaje automático lista para la producción para el entrenamiento y la inferencia mediante TFX.

Una plataforma integral para el aprendizaje automático

Prepare y cargue datos para obtener resultados exitosos de ML

Los datos pueden ser el factor más importante en el éxito de sus esfuerzos de ML. TensorFlow ofrece múltiples herramientas de datos para ayudarlo a consolidar, limpiar y preprocesar datos a escala:

Además, las herramientas de IA responsable lo ayudan a descubrir y eliminar sesgos en sus datos para producir resultados justos y éticos a partir de sus modelos.

Cree y ajuste modelos con el ecosistema TensorFlow

Explore un ecosistema completo basado en el marco Core que agiliza la construcción, el entrenamiento y la exportación de modelos. TensorFlow admite el entrenamiento distribuido, la iteración inmediata del modelo y la depuración sencilla con Keras , y mucho más. Herramientas como Model Analysis y TensorBoard lo ayudan a realizar un seguimiento del desarrollo y la mejora a lo largo del ciclo de vida de su modelo.

Para ayudarlo a comenzar, busque colecciones de modelos previamente entrenados en TensorFlow Hub de Google y la comunidad, o implementaciones de modelos de investigación de última generación en Model Garden . Estas bibliotecas de componentes de alto nivel le permiten tomar modelos potentes y ajustarlos con nuevos datos o personalizarlos para realizar nuevas tareas.

Implemente modelos en el dispositivo, en el navegador, en las instalaciones o en la nube

TensorFlow proporciona capacidades sólidas para implementar sus modelos en cualquier entorno: servidores, dispositivos perimetrales, navegadores, dispositivos móviles, microcontroladores, CPU, GPU, FPGA. TensorFlow Serving puede ejecutar modelos ML a escala de producción en los procesadores más avanzados del mundo, incluidas las Unidades de procesamiento de tensor (TPU) personalizadas de Google.

Si necesita analizar datos cerca de su fuente para reducir la latencia y mejorar la privacidad de los datos, el marco TensorFlow Lite le permite ejecutar modelos en dispositivos móviles, dispositivos informáticos de borde e incluso microcontroladores, y el marco TensorFlow.js le permite ejecutar el aprendizaje automático con solo un navegador web.

Pruébelo en Colaboración

Servir un modelo con TensorFlow Serving

Implementar MLOps para producción ML

La plataforma TensorFlow lo ayuda a implementar las mejores prácticas para la automatización de datos, el seguimiento de modelos, la supervisión del rendimiento y el reentrenamiento de modelos.

El uso de herramientas de nivel de producción para automatizar y realizar un seguimiento de la formación de modelos durante la vida útil de un producto, servicio o proceso empresarial es fundamental para el éxito. TFX proporciona marcos de software y herramientas para implementaciones completas de MLOps, detectando problemas a medida que sus datos y modelos evolucionan con el tiempo.

¿Busca ampliar sus conocimientos de ML?

TensorFlow es más fácil de usar con una comprensión básica de los principios y conceptos básicos del aprendizaje automático. Aprenda y aplique prácticas fundamentales de aprendizaje automático para desarrollar sus habilidades.

Aprende aprendizaje automático

Comience con currículos seleccionados para mejorar sus habilidades en áreas fundamentales de ML.