Google berkomitmen untuk mendorong terwujudnya keadilan ras bagi komunitas Kulit Hitam. Lihat caranya.
Halaman ini diterjemahkan oleh Cloud Translation API.
Switch to English

Pengantar TensorFlow

TensorFlow memudahkan pemula dan pakar untuk membuat model pembelajaran mesin untuk desktop, seluler, web, dan cloud. Lihat bagian di bawah ini untuk memulai.

TensorFlow

Pelajari dasar TensorFlow dengan tutorial untuk pemula dan pakar untuk membantu Anda membuat proyek machine learning berikutnya.

Untuk JavaScript

Gunakan TensorFlow.js untuk membuat model pembelajaran mesin baru dan menerapkan model yang ada dengan JavaScript.

Untuk Seluler & IoT

Jalankan inferensi dengan TensorFlow Lite di perangkat seluler dan tersemat seperti Android, iOS, Edge TPU, dan Raspberry Pi.

Untuk Produksi

Terapkan pipeline ML siap produksi untuk pelatihan dan inferensi menggunakan TensorFlow Extended (TFX).

Swift untuk TensorFlow

Terintegrasi langsung dengan Swift untuk TensorFlow, platform generasi berikutnya untuk pembelajaran mendalam dan pemrograman yang dapat dibedakan.

Ekosistem TensorFlow

TensorFlow menyediakan sekumpulan alur kerja untuk mengembangkan dan melatih model menggunakan Python, JavaScript, atau Swift, dan untuk dengan mudah diterapkan di cloud, di lokasi, di browser, atau di perangkat, apa pun bahasa yang Anda gunakan.

Muat & praproses data
Buat, latih & gunakan kembali model
Menyebarkan
Pengembangan Python
CPU GPU TPU
TensorFlow
Buat Saluran Input TensorFlow
API tf.data memungkinkan Anda membuat pipeline input yang kompleks dari bagian yang sederhana dan dapat digunakan kembali.
Jelajahi
TensorFlow
Buat dan latih model menggunakan Keras
tf.keras adalah API tingkat tinggi untuk membangun dan melatih model. Ini mendukung fungsionalitas khusus TensorFlow, seperti eager execution, pipeline tf.data, dan estimator.
Jelajahi
TensorFlow
Terapkan menggunakan Python
Terapkan di perangkat seluler atau edge, di browser, atau dalam skala besar menggunakan Penyajian TensorFlow.
Pengembangan JavaScript
CPU GPU TPU
TensorFlow.js
Impor model Python, atau tulis di JavaScript
Pelajari cara mengonversi model yang telah dilatih sebelumnya dari Python ke TensorFlow.js, serta cara membuat dan melatih model secara langsung di JavaScript.
Jelajahi
TensorFlow.js
Terapkan di browser atau Node.js
Pelajari cara menerapkan model TensorFlow.js di browser, di node.js, atau di platform Google Cloud.
Jelajahi
Perkembangan cepat
CPU GPU TPU
Swift untuk TensorFlow (dalam Beta)
Kembangkan model secara asli di Swift (beta)
Menggunakan pemrograman Swift yang dapat dibedakan memungkinkan dukungan kelas satu dalam bahasa pemrograman tujuan umum. Ambil turunan dari fungsi, dan buat struktur data khusus dapat dibedakan dalam sekejap. Pelajari bagaimana Swift API memberi Anda akses transparan ke semua operator TensorFlow level rendah.
Jelajahi
Perangkat tepi
CPU GPU RPi
TensorFlow Lite
Terapkan di perangkat seluler atau yang disematkan, seperti Android, iOS, dan Raspberry Pi
Baca panduan pengembang dan pilih model baru atau latih ulang yang sudah ada, konversikan ke file terkompresi, muat di perangkat edge, lalu optimalkan.
Jelajahi
Produksi ujung ke ujung
CPU GPU TPU
TFX
Validasi data masukan dengan TF Data Validation
Lihat cara menggunakan komponen TFX untuk menganalisis dan mengubah data Anda bahkan sebelum Anda melatih model.
Jelajahi
TFX
Rekayasa fitur dengan Transformasi TF
Pelajari cara menentukan fungsi preprocessing yang mengubah data mentah menjadi data yang digunakan untuk melatih model machine learning, dan lihat bagaimana implementasi Apache Beam digunakan untuk mengubah data dengan mengubah fungsi preprocessing menjadi pipeline Beam.
Jelajahi
TFX
Pemodelan dan pelatihan
Pelajari cara melatih model Anda dalam pipeline TFX sebagai proses terkelola.
Jelajahi
TFX
Memahami kinerja model dengan analisis model TF
Lihat bagaimana Analisis Model TensorFlow memungkinkan Anda melakukan evaluasi model di pipeline TFX dan memvisualisasikan hasilnya di notebook Jupyter.
Jelajahi
TFX
Sajikan model dengan REST API dengan TF Serving
Pelajari bagaimana TensorFlow Serving memungkinkan Anda menerapkan algoritme dan eksperimen baru sambil mempertahankan arsitektur server dan API yang sama.
Jelajahi
Alat
TensorBoard
TensorBoard adalah alat untuk memvisualisasikan pelatihan dan hasil
Dengan TensorBoard, Anda dapat melacak metrik eksperimen seperti kerugian dan akurasi, memvisualisasikan grafik model, menyematkan proyek ke ruang dimensi yang lebih rendah, dan banyak lagi.
Jelajahi
TensorFlow Hub
TensorFlow Hub adalah pustaka ekstensif dari model yang ada
TensorFlow Hub adalah library untuk publikasi, penemuan, dan konsumsi bagian model machine learning yang dapat digunakan kembali yang disebut modul.
Jelajahi

Ingin memperluas pengetahuan ML Anda?

TensorFlow lebih mudah digunakan dengan pemahaman dasar tentang prinsip machine learning dan konsep inti. Pelajari dan terapkan praktik pembelajaran mesin dasar untuk mengembangkan keterampilan Anda.

Pelajari ML

Mulailah dengan kurikulum yang dikurasi untuk meningkatkan keterampilan Anda di area dasar ML.