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

Introducción a TensorFlow

TensorFlow facilita la creación modelos de aprendizaje automático para computadoras de escritorio, dispositivos móviles, la web y la nube tanto para principiantes como expertos. Mira las secciones que se encuentran a continuación para comenzar.

TensorFlow

Aprende los conceptos fundamentales de TensorFlow con instructivos para principiantes y la ayuda de expertos para crear tu próximo proyecto de aprendizaje automático.

Para JavaScript

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

Para dispositivos móviles y de IoT

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 para el entrenamiento y la inferencia con TensorFlow Extended (TFX).

Swift for TensorFlow

Se integra directamente con Swift for TensorFlow, la plataforma de última generación para el aprendizaje profundo y la programación diferenciable.

Ecosistema de TensorFlow

TensorFlow ofrece una colección de flujos de trabajo para desarrollar y entrenar modelos mediante Python, JavaScript o Swift, y poder implementarlos con facilidad en la nube, de forma local, en el navegador o en el dispositivo, más allá del lenguaje que se use.

Carga y procesamiento previo de datos
Compila, entrena y reutiliza modelos
Implementación
TensorFlow
Compila canalizaciones de entrada de TensorFlow
La API tf.data te permite compilar canalizaciones de entrada complejas a partir de piezas simples y reutilizables.
Explorar
TensorFlow
Compila y entrena modelos con Keras
tf.keras es una API de alto nivel para compilar y entrenar modelos. Es compatible con las funcionalidades específicas de TensorFlow, como la ejecución inmediata, las canalizaciones tf.data y los estimadores.
Explorar
TensorFlow
Implementación con Python
Implementación en un dispositivo móvil o perimetral, en un navegador o a gran escala con TensorFlow Serving.
TensorFlow.js
Importa un modelo de Python o escribe uno en JavaScript
Aprende a convertir modelos previamente entrenados de Python a TensorFlow.js, así como a compilar y entrenar modelos directamente en JavaScript.
Explorar
TensorFlow.js
Implementación en el navegador o en Node.js
Aprende a implementar modelos de TensorFlow.js en el navegador, en node.js o en Google Cloud Platform.
Explorar
Swift for TensorFlow (en Beta)
Desarrolla modelos de forma nativa en Swift (Beta)
La programación diferenciable de Swift permite una compatibilidad óptima en un lenguaje de programación de uso general. Toma derivadas de funciones y haz que las estructuras de datos personalizadas sean diferenciables en un instante. Aprende cómo las API de Swift te dan acceso transparente a todos los operadores de bajo nivel de TensorFlow.
Explorar
TensorFlow Lite
Implementación en dispositivos móviles o incorporados, como Android, iOS y Raspberry Pi
Lee la Guía para desarrolladores y elige un modelo nuevo o vuelve a entrenar uno existente, conviértelo a un archivo comprimido, cárgalo en un dispositivo perimetral y, luego, optimízalo.
Explorar
TFX
Valida datos de entrada con la validación de datos de TF
Mira cómo usar componentes de TFX para analizar y transformar tus datos incluso antes de entrenar un modelo.
Explorar
TFX
Ingeniería de atributos con TF Transform
Aprende a definir una función de procesamiento previo que transforma los datos sin procesar en datos que se usan para entrenar un modelo de aprendizaje automático, y mira cómo se usa la implementación de Apache Beam para transformar los datos mediante la conversión de la función de procesamiento previo en una canalización de Beam.
Explorar
TFX
Modelado y entrenamiento
Aprende a entrenar tus modelos en una canalización de TFX como un proceso administrado.
Explorar
TFX
Comprender el rendimiento de los modelos con el análisis de modelos de TF
Mira cómo TensorFlow Model Analysis permite realizar evaluaciones de modelos en la canalización de TFX y visualizar los resultados en un notebook de Jupyter.
Explorar
TFX
Entrega modelos con una API de REST con TF Serving
Aprende de qué manera TensorFlow Serving te permite implementar nuevos algoritmos y experimentos mientras mantiene la misma arquitectura de servidor y las mismas API.
Explorar
TensorBoard
TensorBoard es una herramienta para visualizar los entrenamientos y los resultados
Con TensorBoard, puedes hacer un seguimiento de las métricas de experimento, como la pérdida y la exactitud, visualizar el grafo del modelo, proyectar incorporaciones en un espacio dimensional más bajo y mucho más.
Explorar
TensorFlow Hub
TensorFlow Hub es una gran biblioteca de modelos existentes
TensorFlow Hub es una biblioteca para la publicación, el descubrimiento y el consumo de partes reutilizables de modelos de aprendizaje automático llamadas módulos.
Explorar

¿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.

Aprende AA

Comienza con capacitaciones seleccionadas para mejorar tus habilidades en áreas fundamentales del AA.