O Google tem o compromisso de promover a igualdade racial para as comunidades negras. Saiba como.

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 para usuários avançados. Eles ajudarão você a criar seu próximo projeto de machine learning.

Para JavaScript

Use o TensorFlow.js para criar modelos de machine learning e implantar modelos existentes com o JavaScript.

Para dispositivos móveis e IoT

Execute inferências com o TensorFlow Lite em dispositivos móveis e incorporados como Android, iOS, Edge TPU e Raspberry Pi.

Para produção

Use o TensorFlow Extended (TFX) para implementar um pipeline de ML de treinamento e inferência pronto para produção.

Ecossistema TensorFlow

O TensorFlow fornece uma coleção de fluxos de trabalho para desenvolver e treinar modelos usando Python ou JavaScript, bem como para implantar com facilidade na nuvem, no local, no navegador ou no dispositivo, seja qual for a linguagem usada.

Carregue e faça o pré-processamento de dados
Crie, treine e reutilize modelos
Implantação
TensorFlow
Crie pipelines de entrada do TensorFlow
A API tf.data permite criar pipelines de entrada complexos com base em exemplos simples e reutilizáveis.
Explorar
TensorFlow
Crie e treine modelos usando o Keras
O tf.keras é uma API de alto nível projetada para criar e treinar modelos. Ela é compatível com recursos específicos do TensorFlow, como a execução rápida, pipelines do tf.data e estimadores.
Explorar
TensorFlow
Implante usando o Python
Implante em um dispositivo móvel ou do Edge, em um navegador ou em escala, usando o TensorFlow Serving.
TensorFlow.js
Use pretrained TensorFlow.js, TensorFlow or TFLite models and run them on the web or other JS platforms.
TensorFlow Lite
Implante em dispositivos móveis ou incorporados, como o Android, o iOS e o Raspberry Pi
Leia o guia do desenvolvedor e escolha um novo modelo. ou treine novamente um existente. Depois, você pode converter o modelo em um arquivo compactado, fazer o carregamento para um dispositivo de nuvem e otimizá-lo.
Explorar
TFX
Valide dados de entrada com o TF Data Validation
Veja como usar componentes do TFX para analisar e transformar os dados antes mesmo de treinar um modelo.
Explorar
TFX
Engenharia de atributos com o tf.Transform
Saiba como definir uma função de pré-processamento que transforma dados brutos em dados usados para treinar um modelo de machine learning. Além disso, veja como a implementação do Apache Beam é usada para transformar dados com a conversão da função de pré-processamento em um pipeline do Beam.
Explorar
TFX
Modelagem e treinamento
Saiba como treinar modelos em um pipeline do TFX como um processo gerenciado.
Explorar
TFX
Entenda o desempenho do modelo com a análise do TF
Veja como a análise de modelos do TensorFlow realiza avaliações de modelo no pipeline do TFX e visualiza os resultados em um notebook do Jupyter.
Explorar
TFX
Exiba modelos com uma API REST no TF Serving
Saiba como o TensorFlow Serving permite implantar novos algoritmos e experimentos e manter a mesma arquitetura de servidor e APIs.
Explorar
TensorBoard
O TensorBoard é uma ferramenta usada para visualizar treinamentos e resultados
Com o TensorBoard, é possível acompanhar as métricas de experimentos, como perda e acurácia, bem como visualizar o grafo do modelo, projetar os embeddings para um espaço dimensional menor e muito mais.
Explorar
TensorFlow Hub
O TensorFlow Hub é uma biblioteca abrangente de modelos
O TensorFlow Hub é uma biblioteca criada para a publicação, a descoberta e o consumo de partes reutilizáveis de modelos de machine learning, chamados de módulos.
Explorar

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.

Aprenda ML

Comece com os currículos selecionados para aprimorar suas habilidades nas áreas básicas de ML.