Google is committed to advancing racial equity for Black communities. See how.

TensorFlow の概要

TensorFlow を利用すると、パソコン、モバイル、ウェブ、およびクラウドで使える機械学習モデルを、エキスパートはもちろん初心者でも簡単に作成できます。まずは以下の各セクションをご覧ください。

TensorFlow

初心者向けおよびエキスパート向けのチュートリアルで TensorFlow の基礎を学び、新たな機械学習プロジェクトの構築に役立てましょう。

詳細

JavaScript 向け

TensorFlow.js を使用して新しい機械学習モデルを作成し、JavaScript で既存のモデルをデプロイします。

詳細

モバイルおよび IoT 向け

Android、iOS、Edge TPU、Raspberry Pi などのモバイル デバイスや組み込みデバイスで、TensorFlow Lite を使用して推論を実行します。

詳細

本番環境向け

TensorFlow Extended（TFX）を使用してトレーニングと推論を行う、本番環境に対応した ML パイプラインをデプロイします。

詳細

Swift for TensorFlow

Swift for TensorFlow と直接統合された、ディープ ラーニングと微分可能プログラミングのための次世代プラットフォーム。

詳細

TensorFlow エコシステム

TensorFlow には、Python、JavaScript、Swift を使ってモデルの開発およびトレーニングができるさまざまなワークフローが用意されています。使用する言語を問わず、クラウドで、オンプレミスで、ブラウザで、またはデバイス上で、モデルを簡単にデプロイできます。

データの読み込みと前処理
モデルの作成、トレーニング、再利用
デプロイ
Python 開発
CPU GPU TPU
TensorFlow
TensorFlow の入力パイプラインの構築
tf.data API を使用すると、シンプルで再利用可能なパーツから複雑な入力パイプラインを構築できます。
探す
TensorFlow
Keras を使用したモデルの作成とトレーニング
tf.Keras は、モデルを構築してトレーニングするための高レベル API です。Eager Execution、tf.data パイプライン、Estimator など、TensorFlow に固有の機能をサポートします。
探す
TensorFlow
Python を使用したデプロイ
ブラウザ上で、モバイル デバイスやエッジデバイスにデプロイできます。また、TensorFlow Serving を使用して大規模なデプロイが可能です。
JavaScript 開発
CPU GPU TPU
TensorFlow.js
Python モデルをインポートするか、JavaScript でモデルを記述する
Python のトレーニング済みモデルを TensorFlow.js に変換する方法と JavaScript で直接モデルを構築してトレーニングする方法を学習できます。
探す
TensorFlow.js
ブラウザまたは Node.js でのデプロイ
ブラウザ、node.js、または Google Cloud platform で TensorFlow.js モデルをデプロイする方法を学習できます。
探す
Swift 開発
CPU GPU TPU
Swift for TensorFlow（ベータ版）
Swift によるネイティブなモデル開発（ベータ版）
Swift 微分可能プログラミングは、汎用プログラミング言語で最高レベルのサポートが提供されています。派生関数を使用して、カスタムデータ構造を瞬時に微分可能にできます。Swift API で TensorFlow における下位のすべての演算子にスムーズにアクセスする方法をご覧ください。
探す
エッジデバイス
CPU GPU RPi
TensorFlow Lite
Android、iOS、Raspberry Pi などのモバイル デバイスや組み込みデバイスにデプロイできます。
デベロッパー ガイドを読んで方針を決めましょう。新しいモデルを選ぶか既存のモデルを再トレーニングして、圧縮ファイル形式に変換し、エッジデバイスに読み込んでから最適化します。
探す
エンドツーエンドの本番環境
CPU GPU TPU
TFX
TF Data Validation による入力データの検証
モデルのトレーニング前にも実施可能な、TFX コンポーネントを使用したデータの分析および変換方法をご覧ください。
探す
TFX
TF Transform を使用した特徴量エンジニアリング
元データから機械学習モデルのトレーニング用データへの変換を行う前処理関数を定義する方法、および前処理関数を Beam パイプラインに変換し、Apache Beam 実装を使用してデータの変換を行う方法をご覧ください。
探す
TFX
モデリングとトレーニング
マネージド プロセスとして TFX パイプラインでモデルをトレーニングする方法を学習できます。
探す
TFX
TensorFlow Model Analysis を使用したモデルの品質改善
TensorFlow Model Analysis を使用して、TFX パイプラインでモデル評価を実施し、Jupyter ノートブックで結果を可視化する方法をご覧ください。
探す
TFX
REST API と TF Serving を使用したモデルの提供
TensorFlow Serving を使用して、サーバー アーキテクチャと API を変更することなく新しいアルゴリズムをデプロイして実験を行う方法をご説明します。
探す
ツール
TensorBoard
TensorBoard は、トレーニングと結果を視覚化するツールです。
TensorBoard を使用すると、損失や精度などの実験指標の追跡、モデルグラフの視覚化、低次元空間への埋め込み投影などが可能です。
探す
TensorFlow Hub
TensorFlow Hub は、既存のモデルを豊富に集めたライブラリです。
TensorFlow Hub は、モジュールと呼ばれる機械学習モデルの再利用可能なパーツを公開、検索、活用するためのライブラリです。
探す

ML に関する知識を広げましょう

TensorFlow は、機械学習の原理と核となるコンセプトに関する基本的な知識があれば簡単に使用できます。機械学習の基本的な使い方を学習し、実践することで、スキルを身に付けましょう。

ML の学習

まずは、ML の基礎に関するスキルを向上させるためのカリキュラムを学習しましょう。

詳細  

TensorFlow を使ってみる

チュートリアルを見る