Introdução ao TensorFlow
Com o TensorFlow, iniciantes e usuários avançados podem criar modelos de machine learning para computadores, dispositivos móveis, Web e nuvem com facilidade. Veja as seções abaixo para começar.
TensorFlow
Saiba mais sobre os fundamentos do TensorFlow com tutoriais para iniciantes e usuários avançados. Eles vão ajudar você a criar seu próximo projeto de machine learning.
Para a Web
Use o TensorFlow.js para criar modelos de machine learning e implantar modelos existentes com o JavaScript.
Para dispositivos móveis e de borda
Execute inferências com o TensorFlow Lite em dispositivos móveis e incorporados como Android, iOS, Edge TPU e Raspberry Pi.
Para produção
Use o TFX para implantar um pipeline de ML de treinamento e inferência pronto para produção.
Uma plataforma completa de machine learning
Preparar e carregar dados para resultados de ML positivos
Os dados podem ser o fator mais importante no sucesso dos seus esforços de ML. O TensorFlow oferece várias ferramentas de dados para ajudar você a consolidar, limpar e pré-processar dados em grande escala:
-
Standard datasets for initial training and validation
-
Highly scalable data pipelines for loading data
-
Preprocessing layers for common input transformations
-
Additionally, responsible AI tools help you uncover and eliminate bias in your data to produce fair, ethical outcomes from your models.
Criar e ajustar modelos com o ecossistema do TensorFlow
Explore an entire ecosystem built on the Core framework that streamlines model construction, training, and export. TensorFlow supports distributed training, immediate model iteration and easy debugging with Keras, and much more. Tools like Model Analysis and TensorBoard help you track development and improvement through your model’s lifecycle.
To help you get started, find collections of pre-trained models at TensorFlow Hub from Google and the community, or implementations of state-of-the art research models in the Model Garden. These libraries of high level components allow you to take powerful models, and fine-tune them on new data or customize them to perform new tasks.
Implantar modelos no dispositivo, no navegador, no local ou na nuvem
TensorFlow provides robust capabilities to deploy your models on any environment - servers, edge devices, browsers, mobile, microcontrollers, CPUs, GPUs, FPGAs. TensorFlow Serving can run ML models at production scale on the most advanced processors in the world, including Google's custom Tensor Processing Units (TPUs).
If you need to analyze data close to its source to reduce latency and improve data privacy, the TensorFlow Lite framework lets you run models on mobile devices, edge computing devices, and even microcontrollers, and the TensorFlow.js framework lets you run machine learning with just a web browser.
Testar no Colab
Exibir um modelo com o TensorFlow ServingImplementar MLOps para a produção de ML
The TensorFlow platform helps you implement best practices for data automation, model tracking, performance monitoring, and model retraining.
Using production-level tools to automate and track model training over the lifetime of a product, service, or business process is critical to success. TFX provides software frameworks and tooling for full MLOps deployments, detecting issues as your data and models evolve over time.
Quer ampliar seus conhecimentos sobre ML?
É mais fácil usar o TensorFlow se você tiver uma compreensão básica dos princípios e dos principais conceitos de machine learning. Aprenda e use as práticas fundamentais de machine learning para desenvolver suas habilidades.
Comece com os currículos selecionados para aprimorar suas habilidades nas áreas básicas de ML.