Introducción a TensorFlow
TensorFlow facilita la creación de modelos de aprendizaje automático para computadoras de escritorio, dispositivos móviles, la web y la nube, sin importar si eres principiante o experto. Consulta las secciones que se encuentran a continuación para comenzar.
TensorFlow
Aprende los conceptos fundamentales de TensorFlow con instructivos para principiantes y expertos para crear tu próximo proyecto de aprendizaje automático.
Para Web
Utiliza TensorFlow.js para crear nuevos modelos de aprendizaje automático y para implementar modelos existentes con JavaScript.
Para dispositivos móviles y perimetrales
Ejecuta la inferencia con TensorFlow Lite en dispositivos integrados y móviles como Android, iOS, Edge TPU y Raspberry Pi.
Para producción
Implementa una canalización de AA lista para la producción que esté orientada al entrenamiento y la inferencia con TFX.
Plataforma de extremo a extremo enfocada en el aprendizaje automático
Prepara y carga datos para obtener resultados de AA útiles
Los datos pueden ser el factor más importante en tus proyectos de AA. TensorFlow ofrece múltiples herramientas de datos para que proceses previamente, consolides y depures datos a gran escala:
-
Standard datasets for initial training and validation
-
Highly scalable data pipelines for loading data
-
Preprocessing layers for common input transformations
-
Additionally, responsible AI tools help you uncover and eliminate bias in your data to produce fair, ethical outcomes from your models.
Crea y optimiza modelos con el ecosistema de TensorFlow
Explore an entire ecosystem built on the Core framework that streamlines model construction, training, and export. TensorFlow supports distributed training, immediate model iteration and easy debugging with Keras, and much more. Tools like Model Analysis and TensorBoard help you track development and improvement through your model’s lifecycle.
To help you get started, find collections of pre-trained models at TensorFlow Hub from Google and the community, or implementations of state-of-the art research models in the Model Garden. These libraries of high level components allow you to take powerful models, and fine-tune them on new data or customize them to perform new tasks.
Implementa modelos locales, en el navegador, en la nube o integrados en el dispositivo
TensorFlow provides robust capabilities to deploy your models on any environment - servers, edge devices, browsers, mobile, microcontrollers, CPUs, GPUs, FPGAs. TensorFlow Serving can run ML models at production scale on the most advanced processors in the world, including Google's custom Tensor Processing Units (TPUs).
If you need to analyze data close to its source to reduce latency and improve data privacy, the TensorFlow Lite framework lets you run models on mobile devices, edge computing devices, and even microcontrollers, and the TensorFlow.js framework lets you run machine learning with just a web browser.
Pruébalo en Colab
Deriva un modelo con TensorFlow ServingImplementa MLOps para la producción de AA
The TensorFlow platform helps you implement best practices for data automation, model tracking, performance monitoring, and model retraining.
Using production-level tools to automate and track model training over the lifetime of a product, service, or business process is critical to success. TFX provides software frameworks and tooling for full MLOps deployments, detecting issues as your data and models evolve over time.
¿Deseas expandir tu conocimiento sobre el AA?
TensorFlow es más fácil de usar si se cuenta con un conocimiento básico de los principios y conceptos centrales del aprendizaje automático. Aprende y aplica prácticas fundamentales de aprendizaje automático para desarrollar tus habilidades.
Comienza con capacitaciones seleccionadas para mejorar tus habilidades en áreas fundamentales del AA.