Attend the Women in ML Symposium on December 7 Register now
Restez organisé à l'aide des collections Enregistrez et classez les contenus selon vos préférences.

Présentation de TensorFlow

TensorFlow permet aux débutants et aux experts de créer facilement des modèles de machine learning pour les ordinateurs de bureau, les appareils mobiles, le Web et le cloud. Consultez les sections ci-dessous pour commencer.

TensorFlow

Apprenez les bases de TensorFlow avec des tutoriels pour débutants et experts pour vous aider à créer votre prochain projet de machine learning.

Pour le Web

Utilisez TensorFlow.js pour créer de nouveaux modèles de machine learning et déployer des modèles existants avec JavaScript.

Pour Mobile et Bord

Exécutez l'inférence avec TensorFlow Lite sur des appareils mobiles et intégrés comme Android, iOS, Edge TPU et Raspberry Pi.

Pour la fabrication

Déployez un pipeline ML prêt pour la production pour la formation et l'inférence à l'aide de TFX.

Une plate-forme de bout en bout pour l'apprentissage automatique

Préparer et charger des données pour des résultats de ML réussis

Les données peuvent être le facteur le plus important dans le succès de vos efforts de ML. TensorFlow propose plusieurs outils de données pour vous aider à consolider, nettoyer et prétraiter les données à grande échelle :

De plus, des outils d' IA responsables vous aident à découvrir et à éliminer les biais dans vos données pour produire des résultats équitables et éthiques à partir de vos modèles.

Créez et affinez des modèles avec l'écosystème TensorFlow

Explorez un écosystème complet basé sur le framework Core qui rationalise la construction, la formation et l'exportation de modèles. TensorFlow prend en charge la formation distribuée, l'itération immédiate du modèle et le débogage facile avec Keras , et bien plus encore. Des outils tels que Model Analysis et TensorBoard vous aident à suivre le développement et l'amélioration tout au long du cycle de vie de votre modèle.

Pour vous aider à démarrer, trouvez des collections de modèles pré-entraînés sur TensorFlow Hub de Google et de la communauté, ou des implémentations de modèles de recherche de pointe dans Model Garden . Ces bibliothèques de composants de haut niveau vous permettent de prendre des modèles puissants et de les affiner sur de nouvelles données ou de les personnaliser pour effectuer de nouvelles tâches.

Déployez des modèles sur l'appareil, dans le navigateur, sur site ou dans le cloud

TensorFlow fournit des fonctionnalités robustes pour déployer vos modèles sur n'importe quel environnement : serveurs, appareils périphériques, navigateurs, mobiles, microcontrôleurs, CPU, GPU, FPGA. TensorFlow Serving peut exécuter des modèles ML à l'échelle de la production sur les processeurs les plus avancés au monde, y compris les unités de traitement Tensor (TPU) personnalisées de Google.

Si vous avez besoin d'analyser des données proches de leur source pour réduire la latence et améliorer la confidentialité des données, le framework TensorFlow Lite vous permet d'exécuter des modèles sur des appareils mobiles, des appareils informatiques de pointe et même des microcontrôleurs, et le framework TensorFlow.js vous permet d'exécuter l'apprentissage automatique avec juste un navigateur web.

Mettre en œuvre des MLOps pour le ML de production

La plate-forme TensorFlow vous aide à mettre en œuvre les meilleures pratiques pour l'automatisation des données, le suivi des modèles, la surveillance des performances et le recyclage des modèles.

L'utilisation d'outils au niveau de la production pour automatiser et suivre la formation de modèles tout au long de la durée de vie d'un produit, d'un service ou d'un processus métier est essentielle au succès. TFX fournit des cadres logiciels et des outils pour des déploiements MLOps complets, détectant les problèmes à mesure que vos données et modèles évoluent au fil du temps.

Vous cherchez à approfondir vos connaissances en ML ?

TensorFlow est plus facile à utiliser avec une compréhension de base des principes d'apprentissage automatique et des concepts de base. Apprenez et appliquez les pratiques fondamentales d'apprentissage automatique pour développer vos compétences.

Apprendre le ML

Commencez par des programmes organisés pour améliorer vos compétences dans les domaines fondamentaux du ML.