Help protect the Great Barrier Reef with TensorFlow on Kaggle Join Challenge

Введение в TensorFlow

TensorFlow позволяет новичкам и экспертам легко создавать модели машинного обучения для настольных компьютеров, мобильных устройств, Интернета и облака. См. Разделы ниже, чтобы начать.

TensorFlow

Изучите основы TensorFlow с помощью руководств для начинающих и экспертов, которые помогут вам создать свой следующий проект машинного обучения.

Для JavaScript

Используйте TensorFlow.js для создания новых моделей машинного обучения и развертывания существующих моделей с помощью JavaScript.

Для мобильных устройств и Интернета вещей

Выполняйте логический вывод с помощью TensorFlow Lite на мобильных и встроенных устройствах, таких как Android, iOS, Edge TPU и Raspberry Pi.

Для производства

Разверните готовый к работе конвейер машинного обучения для обучения и вывода с помощью TensorFlow Extended (TFX).

Экосистема TensorFlow

TensorFlow предоставляет набор рабочих процессов для разработки и обучения моделей с использованием Python или JavaScript, а также для простого развертывания в облаке, локально, в браузере или на устройстве, независимо от того, какой язык вы используете.

Загрузить и предварительно обработать данные
Создавайте, обучайте и повторно используйте модели
Развертывать
Разработка на Python
CPU GPU TPU
TensorFlow
Создание конвейеров ввода TensorFlow
API tf.data позволяет создавать сложные конвейеры ввода из простых многоразовых частей.
Исследовать
TensorFlow
Создавайте и обучайте модели с помощью Keras
tf.keras - это высокоуровневый API для построения и обучения моделей. Он поддерживает специфические для TensorFlow функции, такие как активное выполнение, конвейеры tf.data и средства оценки.
Исследовать
TensorFlow
Развернуть с помощью Python
Развертывайте на мобильном или пограничном устройстве, в браузере или масштабно с помощью TensorFlow Serving.
Разработка на JavaScript
CPU GPU
TensorFlow.js
Используйте предварительно обученные модели TensorFlow.js, TensorFlow или TFLite и запускайте их в Интернете или на других платформах JS.
Пограничные устройства
CPU GPU RPi
TensorFlow Lite
Развертывание на мобильных или встроенных устройствах, таких как Android, iOS и Raspberry Pi
Прочтите руководство разработчика и выберите новую модель или переобучите существующую, преобразуйте ее в сжатый файл, загрузите на пограничное устройство и затем оптимизируйте.
Исследовать
Непрерывное производство
CPU GPU TPU
TFX
Подтвердите входные данные с помощью TF Data Validation
Узнайте, как использовать компоненты TFX для анализа и преобразования данных, прежде чем вы начнете обучать модель.
Исследовать
TFX
Разработка функций с помощью TF Transform
Узнайте, как определить функцию предварительной обработки, которая преобразует необработанные данные в данные, используемые для обучения модели машинного обучения, и посмотрите, как реализация Apache Beam используется для преобразования данных путем преобразования функции предварительной обработки в конвейер Beam.
Исследовать
TFX
Моделирование и обучение
Узнайте, как обучать модели в конвейере TFX как управляемом процессе.
Исследовать
TFX
Понимание производительности модели с помощью анализа модели TF
Посмотрите, как TensorFlow Model Analysis позволяет выполнять оценку модели в конвейере TFX и визуализировать результаты в записной книжке Jupyter.
Исследовать
TFX
Обслуживайте модели с помощью REST API с обслуживанием TF
Узнайте, как TensorFlow Serving позволяет развертывать новые алгоритмы и эксперименты, сохраняя при этом архитектуру сервера и API.
Исследовать
Инструменты
TensorBoard
TensorBoard - это инструмент для визуализации обучения и результатов
С помощью TensorBoard вы можете отслеживать такие метрики эксперимента, как потери и точность, визуализировать график модели, внедрять проекты в более низкоразмерное пространство и многое другое.
Исследовать
TensorFlow Hub
TensorFlow Hub - это обширная библиотека существующих моделей
TensorFlow Hub - это библиотека для публикации, обнаружения и использования повторно используемых частей моделей машинного обучения, называемых модулями.
Исследовать

Хотите расширить свои знания в области машинного обучения?

TensorFlow проще в использовании, если у вас есть базовое понимание принципов и основных концепций машинного обучения. Изучите и применяйте фундаментальные методы машинного обучения для развития своих навыков.

Изучите ML

Начните с тщательно подобранных учебных программ, чтобы улучшить свои навыки в основополагающих областях машинного обучения.