Google متعهد به پیشبرد برابری نژادی برای جوامع سیاه است. ببینید چگونه.
این صفحه به‌وسیله ‏Cloud Translation API‏ ترجمه شده است.
Switch to English

آشنایی با TensorFlow

TensorFlow ایجاد و ایجاد مدلهای یادگیری ماشین برای دسک تاپ ، موبایل ، وب و ابر را برای مبتدیان و متخصصان آسان می کند. برای شروع به بخش های زیر مراجعه کنید.

TensorFlow

پایه و اساس TensorFlow را با آموزش هایی برای مبتدیان و متخصصان یاد بگیرید تا به شما در ایجاد پروژه یادگیری بعدی ماشین خود کمک کنند.

برای JavaScript

از TensorFlow.js برای ایجاد مدلهای جدید یادگیری ماشین و استقرار مدل های موجود با JavaScript استفاده کنید.

برای موبایل و IoT

استنتاج را با TensorFlow Lite در دستگاه های تلفن همراه و جاسازی شده مانند Android ، iOS ، Edge TPU و Raspberry Pi انجام دهید.

برای تولید

با استفاده از TensorFlow Extended (TFX) یک خط لوله ML آماده تولید برای آموزش و استنباط را مستقر کنید.

سوئیفت برای TensorFlow

به طور مستقیم با Swift برای TensorFlow ، بستر نسل بعدی برای یادگیری عمیق و برنامه نویسی متفاوت ، ادغام شوید.

اکوسیستم TensorFlow

TensorFlow مجموعه ای از گردش های کاری را برای توسعه و آموزش مدل ها با استفاده از Python ، JavaScript یا Swift فراهم می کند و به راحتی می تواند در ابر ، پیش از موعد ، در مرورگر یا در دستگاه مستقر شود بدون توجه به اینکه شما از چه زبانی استفاده می کنید.

بارگیری و پردازش داده ها
ساخت ، آموزش و استفاده مجدد از مدل ها
استقرار
توسعه پایتون
CPU GPU TPU
TensorFlow
خطوط لوله ورودی TensorFlow را بسازید
API tf.data شما را قادر می سازد خطوط لوله ورودی پیچیده را از قطعات ساده و قابل استفاده مجدد بسازید.
کاوش
TensorFlow
مدل ها را با استفاده از کراس بسازید و آموزش دهید
tf.keras یک API با سطح بالا برای ساخت و آموزش مدل است. این پشتیبانی از قابلیت های خاص TensorFlow ، مانند اجرای مشتاق ، خطوط لوله tf.data و برآوردگرها.
کاوش
TensorFlow
با استفاده از پایتون مستقر شوید
با استفاده از سرویس TensorFlow در یک دستگاه همراه یا لبه ، در مرورگر یا در مقیاس مستقر شوید.
توسعه جاوا اسکریپت
CPU GPU TPU
TensorFlow.js
یک مدل پایتون را وارد کنید یا یکی از آنها را در JavaScript بنویسید
یاد بگیرید که مدل های از پیش آماده شده را از Python به TensorFlow.js و همچنین نحوه ساخت و آموزش مدل های مستقیم در JavaScript بیاموزید.
کاوش
TensorFlow.js
در مرورگر یا Node.js مستقر شوید
بیاموزید که چگونه مدل های TensorFlow.js را در مرورگر ، در node.js یا در سیستم عامل Google Cloud مستقر کنید.
کاوش
توسعه سریع
CPU GPU TPU
Swift for TensorFlow (در بتا)
توسعه الگوهای بومی در Swift (بتا)
استفاده از برنامه نویسی متمایز Swift امکان پشتیبانی کلاس اول را با یک زبان برنامه نویسی با هدف کلی فراهم می آورد. مشتقات توابع را بگیرید و ساختار داده های سفارشی را در یک لحظه متمایز کنید. بیاموزید که چگونه API های Swift دسترسی شفاف به همه اپراتورهای سطح پایین TensorFlow دارند.
کاوش
دستگاه های لبه
پردازنده گرافیکی RPi
TensorFlow Lite
در دستگاه های تلفن همراه یا جاسازی شده مانند Android ، iOS و Raspberry Pi مستقر شوید
راهنمای توسعه دهنده را بخوانید و یک مدل جدید را انتخاب کنید یا یک مدل موجود را مجدداً آموزش دهید ، آن را به یک فایل فشرده تبدیل کنید ، آن را روی یک دستگاه لبه بارگیری کنید و سپس آن را بهینه کنید.
کاوش
تولید پایان به پایان
CPU GPU TPU
TFX
داده های ورودی را با اعتبار سنجی داده TF تأیید کنید
نحوه استفاده از اجزای TFX را برای تجزیه و تحلیل و تبدیل داده های خود قبل از آموزش حتی یک مدل ببینید.
کاوش
TFX
مهندسی ویژگی با TF Transform
بیاموزید چگونه یک تابع پیش پردازش را تعریف کنید که داده های خام را به داده های مورد استفاده برای آموزش یک مدل یادگیری ماشین تبدیل می کند ، و ببینید که چگونه از عملکرد Apache Beam برای تبدیل داده ها با تبدیل عملکرد پیش پردازش به خط لوله Beam استفاده می شود.
کاوش
TFX
مدل سازی و آموزش
بیاموزید که چگونه مدل های خود را در خط لوله TFX به عنوان یک فرایند مدیریت شده آموزش دهید.
کاوش
TFX
درک عملکرد مدل با تجزیه و تحلیل مدل TF
ببینید چگونه TensorFlow Analysis Model Analysis به شما اجازه می دهد ارزیابی های مدل را در خط لوله TFX انجام دهید و نتایج را در یک نوت بوک Jupyter تجسم کنید.
کاوش
TFX
خدمت مدلهای با API REST با TF Serving
بیاموزید که چگونه TensorFlow Service به شما امکان می دهد الگوریتم ها و آزمایش های جدید را همزمان با نگه داشتن همان معماری سرور و API ها مستقر کنید.
کاوش
ابزارها
TensorBoard
TensorBoard ابزاری برای تجسم آموزش و نتایج است
با TensorBoard می توانید معیارهای آزمایش مانند از دست دادن و دقت را ردیابی کنید ، نمودار مدل ، تعبیه پروژه را به یک فضای بعدی کمتری و سایر موارد تجسم کنید.
کاوش
TensorFlow Hub
TensorFlow Hub یک کتابخانه گسترده از مدل های موجود است
TensorFlow Hub یک کتابخانه برای انتشار ، کشف و مصرف قسمت های قابل استفاده مجدد از مدل های یادگیری ماشینی است که ماژول ها نامیده می شوند.
کاوش

آیا به دنبال گسترش دانش ML خود هستید؟

TensorFlow با درک اساسی اصول یادگیری ماشین و مفاهیم اصلی استفاده از آن ساده تر است. شیوه های یادگیری اساسی ماشین را یاد بگیرید و بکار بگیرید تا مهارت های خود را توسعه دهید.

یادگیری ML

برای بهبود مهارت های خود در مناطق ML بنیادی ، با برنامه های درسی موقت شروع کنید.