Введение в TensorFlow

TensorFlow позволяет новичкам и экспертам легко создавать модели машинного обучения для настольных компьютеров, мобильных устройств, Интернета и облака. См. разделы ниже, чтобы начать.

ТензорФлоу

Изучите основы TensorFlow с помощью руководств для начинающих и экспертов, которые помогут вам создать свой следующий проект машинного обучения.

Для JavaScript

Используйте TensorFlow.js для создания новых моделей машинного обучения и развертывания существующих моделей с помощью JavaScript.

Для мобильных устройств и Интернета вещей

Выполняйте логические выводы с помощью TensorFlow Lite на мобильных и встроенных устройствах, таких как Android, iOS, Edge TPU и Raspberry Pi.

Для производства

Разверните готовый конвейер машинного обучения для обучения и вывода с помощью TensorFlow Extended (TFX).

Экосистема TensorFlow

TensorFlow предоставляет набор рабочих процессов для разработки и обучения моделей с использованием Python или JavaScript, а также для простого развертывания в облаке, локально, в браузере или на устройстве независимо от того, какой язык вы используете.

Загрузка и предварительная обработка данных
Создавайте, обучайте и повторно используйте модели
Развертывать
Python-разработка
ЦП ГП ТПУ
ТензорФлоу
Создание входных конвейеров TensorFlow
API tf.data позволяет создавать сложные конвейеры ввода из простых, повторно используемых частей.
Исследовать
ТензорФлоу
Создавайте и обучайте модели с помощью Keras
tf.keras — это высокоуровневый API для построения и обучения моделей. Он поддерживает специфичные для TensorFlow функции, такие как быстрое выполнение, конвейеры tf.data и оценщики.
Исследовать
ТензорФлоу
Развертывание с использованием Python
Разверните на мобильном или периферийном устройстве, в браузере или в масштабе с помощью TensorFlow Serving.
JavaScript-разработка
ЦП ГП
TensorFlow.js
Используйте предварительно обученные модели TensorFlow.js, TensorFlow или TFLite и запускайте их в Интернете или на других платформах JS.
Пограничные устройства
ЦП ГП RPi
ТензорФлоу Лайт
Развертывание на мобильных или встроенных устройствах, таких как Android, iOS и Raspberry Pi.
Прочтите руководство для разработчиков и выберите новую модель или переобучите существующую, преобразуйте ее в сжатый файл, загрузите на периферийное устройство, а затем оптимизируйте.
Исследовать
Сквозное производство
ЦП ГП ТПУ
ТФХ
Проверка входных данных с помощью проверки данных TF
Узнайте, как использовать компоненты TFX для анализа и преобразования данных еще до обучения модели.
Исследовать
ТФХ
Разработка функций с помощью TF Transform
Узнайте, как определить функцию предварительной обработки, которая преобразует необработанные данные в данные, используемые для обучения модели машинного обучения, и узнайте, как реализация Apache Beam используется для преобразования данных путем преобразования функции предварительной обработки в конвейер Beam.
Исследовать
ТФХ
Моделирование и обучение
Узнайте, как обучать модели в конвейере TFX как управляемом процессе.
Исследовать
ТФХ
Понимание производительности модели с помощью анализа модели TF
Узнайте, как TensorFlow Model Analysis позволяет выполнять оценку модели в конвейере TFX и визуализировать результаты в блокноте Jupyter.
Исследовать
ТФХ
Подавайте модели с REST API с помощью TF Serving
Узнайте, как TensorFlow Serving позволяет развертывать новые алгоритмы и проводить эксперименты, сохраняя при этом ту же архитектуру сервера и API.
Исследовать
Инструменты
TensorBoard
TensorBoard — инструмент для визуализации тренировок и результатов
С помощью TensorBoard вы можете отслеживать такие показатели эксперимента, как потери и точность, визуализировать график модели, проецировать встраивания в пространство меньшего размера и многое другое.
Исследовать
Концентратор TensorFlow
TensorFlow Hub — это обширная библиотека существующих моделей.
TensorFlow Hub — это библиотека для публикации, обнаружения и использования многократно используемых частей моделей машинного обучения, называемых модулями.
Исследовать

Хотите расширить свои знания в области машинного обучения?

TensorFlow проще использовать при наличии базового понимания принципов и основных концепций машинного обучения. Изучайте и применяйте фундаментальные методы машинного обучения для развития своих навыков.

Изучите машинное обучение

Начните с тщательно подобранных учебных программ, чтобы улучшить свои навыки в основных областях машинного обучения.