RSVP for your your local TensorFlow Everywhere event today!
Ta strona została przetłumaczona przez Cloud Translation API.
Switch to English

Wprowadzenie do TensorFlow

TensorFlow ułatwia początkującym i ekspertom tworzenie modeli uczenia maszynowego dla komputerów stacjonarnych, urządzeń przenośnych, sieci i chmury. Aby rozpocząć, zapoznaj się z poniższymi sekcjami.

TensorFlow

Poznaj podstawy TensorFlow dzięki samouczkom dla początkujących i ekspertów, które pomogą Ci stworzyć kolejny projekt uczenia maszynowego.

W przypadku JavaScript

Użyj TensorFlow.js do tworzenia nowych modeli uczenia maszynowego i wdrażania istniejących modeli za pomocą JavaScript.

W przypadku urządzeń mobilnych i IoT

Korzystaj z wnioskowania za pomocą TensorFlow Lite na urządzeniach mobilnych i wbudowanych, takich jak Android, iOS, Edge TPU i Raspberry Pi.

Do produkcji

Wdróż gotowy do produkcji potok ML na potrzeby szkolenia i wnioskowania przy użyciu TensorFlow Extended (TFX).

Ekosystem TensorFlow

TensorFlow zapewnia zbiór przepływów pracy do tworzenia i trenowania modeli przy użyciu języka Python lub JavaScript oraz do łatwego wdrażania w chmurze, lokalnie, w przeglądarce lub na urządzeniu, niezależnie od używanego języka.

Ładowanie i przetwarzanie wstępne danych
Twórz, trenuj i ponownie wykorzystuj modele
Rozmieścić
Rozwój w Pythonie
CPU GPU TPU
TensorFlow
Tworzenie potoków wejściowych TensorFlow
Interfejs API tf.data umożliwia tworzenie złożonych potoków wejściowych z prostych elementów wielokrotnego użytku.
Badać
TensorFlow
Twórz i trenuj modele za pomocą Keras
tf.keras to interfejs API wysokiego poziomu do tworzenia i trenowania modeli. Obsługuje funkcje specyficzne dla TensorFlow, takie jak przyspieszone wykonywanie, potoki tf.data i estymatory.
Badać
TensorFlow
Wdróż za pomocą Pythona
Wdrażaj na urządzeniu mobilnym lub granicznym, w przeglądarce lub na dużą skalę przy użyciu usługi TensorFlow Serving.
Rozwój JavaScript
CPU GPU TPU
TensorFlow.js
Zaimportuj model Pythona lub napisz go w JavaScript
Dowiedz się, jak konwertować wstępnie wytrenowane modele z języka Python do TensorFlow.js, a także jak budować i trenować modele bezpośrednio w JavaScript.
Badać
TensorFlow.js
Wdróż w przeglądarce lub Node.js.
Dowiedz się, jak wdrożyć modele TensorFlow.js w przeglądarce, na node.js lub na platformie Google Cloud.
Badać
Urządzenia brzegowe
CPU GPU RPi
TensorFlow Lite
Wdrażaj na urządzeniach mobilnych lub wbudowanych, takich jak Android, iOS i Raspberry Pi
Przeczytaj przewodnik dla programistów i wybierz nowy model lub przekwalifikuj istniejący, przekonwertuj go na plik skompresowany, załaduj na urządzenie brzegowe, a następnie zoptymalizuj.
Badać
Produkcja od końca do końca
CPU GPU TPU
TFX
Sprawdź poprawność danych wejściowych za pomocą walidacji danych TF
Zobacz, jak używać składników TFX do analizowania i przekształcania danych, zanim jeszcze wytrenujesz model.
Badać
TFX
Inżynieria funkcji z TF Transform
Dowiedz się, jak zdefiniować funkcję przetwarzania wstępnego, która przekształca surowe dane na dane używane do trenowania modelu uczenia maszynowego i zobacz, jak implementacja Apache Beam jest używana do przekształcania danych poprzez przekształcanie funkcji przetwarzania wstępnego w potok Beam.
Badać
TFX
Modelowanie i szkolenie
Dowiedz się, jak trenować modele w potoku TFX jako proces zarządzany.
Badać
TFX
Zrozumienie wydajności modelu za pomocą analizy modelu TF
Zobacz, jak TensorFlow Model Analysis umożliwia przeprowadzanie ocen modeli w potoku TFX i wizualizację wyników w notatniku Jupyter.
Badać
TFX
Obsługuj modele za pomocą REST API z obsługą TF
Dowiedz się, jak usługa TensorFlow Serving umożliwia wdrażanie nowych algorytmów i eksperymentów przy zachowaniu tej samej architektury serwera i interfejsów API.
Badać
Przybory
TensorBoard
TensorBoard to narzędzie do wizualizacji treningu i wyników
Dzięki TensorBoard możesz śledzić metryki eksperymentu, takie jak straty i dokładność, wizualizować wykres modelu, projektować osadzenia w przestrzeni o niższych wymiarach i nie tylko.
Badać
TensorFlow Hub
TensorFlow Hub to obszerna biblioteka istniejących modeli
TensorFlow Hub to biblioteka służąca do publikowania, odkrywania i wykorzystywania części modeli uczenia maszynowego, które można ponownie wykorzystać, zwanych modułami.
Badać

Chcesz poszerzyć swoją wiedzę ML?

TensorFlow jest łatwiejszy w użyciu dzięki podstawowemu zrozumieniu zasad uczenia maszynowego i podstawowych pojęć. Naucz się i stosuj podstawowe praktyki uczenia maszynowego, aby rozwijać swoje umiejętności.

Dowiedz się ML

Rozpocznij od programów nauczania, aby poprawić swoje umiejętności w podstawowych obszarach ML.