Google is committed to advancing racial equity for Black communities. See how.
หน้านี้ได้รับการแปลโดย Cloud Translation API
Switch to English

รู้เบื้องต้นเกี่ยวกับ TensorFlow

TensorFlow ช่วยให้ผู้เริ่มต้นและผู้เชี่ยวชาญสามารถสร้างโมเดลแมชชีนเลิร์นนิงสำหรับเดสก์ท็อปมือถือเว็บและคลาวด์ได้อย่างง่ายดาย ดูหัวข้อด้านล่างเพื่อเริ่มต้น

TensorFlow

เรียนรู้พื้นฐานของ TensorFlow ด้วยบทแนะนำสำหรับผู้เริ่มต้นและผู้เชี่ยวชาญเพื่อช่วยคุณสร้างโครงการแมชชีนเลิร์นนิงถัดไป

สำหรับ JavaScript

ใช้ TensorFlow.js เพื่อสร้างโมเดลการเรียนรู้ของเครื่องใหม่และปรับใช้โมเดลที่มีอยู่ด้วย JavaScript

สำหรับมือถือและ IoT

เรียกใช้การอนุมานด้วย TensorFlow Lite บนมือถือและอุปกรณ์ฝังตัวเช่น Android, iOS, Edge TPU และ Raspberry Pi

สำหรับการผลิต

ปรับใช้ไปป์ไลน์ ML ที่พร้อมใช้งานจริงสำหรับการฝึกอบรมและการอนุมานโดยใช้ TensorFlow Extended (TFX)

รวดเร็วสำหรับ TensorFlow

ผสานรวมโดยตรงกับ Swift สำหรับ TensorFlow ซึ่งเป็นแพลตฟอร์มรุ่นต่อไปสำหรับการเรียนรู้เชิงลึกและการเขียนโปรแกรมที่แตกต่างกัน

ระบบนิเวศ TensorFlow

TensorFlow มีชุดของเวิร์กโฟลว์สำหรับพัฒนาและฝึกโมเดลโดยใช้ Python, JavaScript หรือ Swift และเพื่อปรับใช้ในระบบคลาวด์ในองค์กรในเบราว์เซอร์หรือบนอุปกรณ์ได้อย่างง่ายดายไม่ว่าคุณจะใช้ภาษาใด

โหลดและประมวลผลข้อมูลล่วงหน้า
สร้างฝึกอบรมและใช้แบบจำลองซ้ำ
ปรับใช้
การพัฒนา Python
CPU GPU TPU
TensorFlow
สร้าง TensorFlow Input Pipelines
tf.data API ช่วยให้คุณสร้างท่อส่งข้อมูลที่ซับซ้อนจากชิ้นส่วนที่ใช้ซ้ำได้ง่าย
สำรวจ
TensorFlow
สร้างและฝึกโมเดลโดยใช้ Keras
tf.keras เป็น API ระดับสูงสำหรับสร้างและฝึกโมเดล สนับสนุนฟังก์ชันเฉพาะของ TensorFlow เช่นการดำเนินการอย่างกระตือรือร้นไปป์ไลน์ tf.data และเครื่องมือประมาณค่า
สำรวจ
TensorFlow
ปรับใช้โดยใช้ Python
ปรับใช้บนอุปกรณ์เคลื่อนที่หรือขอบในเบราว์เซอร์หรือตามขนาดโดยใช้ TensorFlow Serving
การพัฒนา JavaScript
CPU GPU TPU
TensorFlow.js
นำเข้าโมเดล Python หรือเขียนใน JavaScript
เรียนรู้การแปลงโมเดลที่กำหนดไว้ล่วงหน้าจาก Python เป็น TensorFlow.js ตลอดจนวิธีสร้างและฝึกโมเดลโดยตรงใน JavaScript
สำรวจ
TensorFlow.js
ปรับใช้ในเบราว์เซอร์หรือ Node.js
เรียนรู้วิธีปรับใช้โมเดล TensorFlow.js ในเบราว์เซอร์บน node.js หรือบนแพลตฟอร์ม Google Cloud
สำรวจ
การพัฒนาอย่างรวดเร็ว
CPU GPU TPU
Swift สำหรับ TensorFlow (ในเบต้า)
พัฒนาโมเดลใน Swift (เบต้า)
การใช้การเขียนโปรแกรมที่แตกต่างกันของ Swift ช่วยให้รองรับการใช้งานระดับเฟิร์สคลาสในภาษาโปรแกรมสำหรับวัตถุประสงค์ทั่วไป ใช้อนุพันธ์ของฟังก์ชันและทำให้โครงสร้างข้อมูลที่กำหนดเองมีความแตกต่างในทันที เรียนรู้ว่า Swift API ช่วยให้คุณเข้าถึงตัวดำเนินการ TensorFlow ระดับต่ำทั้งหมดได้อย่างไร
สำรวจ
อุปกรณ์ Edge
CPU GPU RPi
TensorFlow Lite
ปรับใช้บนอุปกรณ์เคลื่อนที่หรืออุปกรณ์ฝังตัวเช่น Android, iOS และ Raspberry Pi
อ่านคู่มือสำหรับนักพัฒนาและเลือกรุ่นใหม่หรือฝึกรุ่นที่มีอยู่ใหม่แปลงเป็นไฟล์บีบอัดโหลดบนอุปกรณ์ Edge จากนั้นปรับให้เหมาะสม
สำรวจ
การผลิตแบบ end-to-end
CPU GPU TPU
TFX
ตรวจสอบข้อมูลอินพุตด้วย TF Data Validation
ดูวิธีใช้ส่วนประกอบ TFX เพื่อวิเคราะห์และแปลงข้อมูลของคุณก่อนที่คุณจะฝึกโมเดล
สำรวจ
TFX
นำเสนอวิศวกรรมด้วย TF Transform
เรียนรู้วิธีกำหนดฟังก์ชันก่อนการประมวลผลที่แปลงข้อมูลดิบเป็นข้อมูลที่ใช้ในการฝึกโมเดลแมชชีนเลิร์นนิงและดูวิธีการใช้ Apache Beam เพื่อแปลงข้อมูลโดยการแปลงฟังก์ชันก่อนการประมวลผลเป็น Beam pipeline
สำรวจ
TFX
การสร้างแบบจำลองและการฝึกอบรม
เรียนรู้วิธีฝึกโมเดลของคุณในไปป์ไลน์ TFX เป็นกระบวนการที่มีการจัดการ
สำรวจ
TFX
การทำความเข้าใจประสิทธิภาพของโมเดลด้วยการวิเคราะห์โมเดล TF
ดูว่า TensorFlow Model Analysis ช่วยให้คุณทำการประเมินโมเดลในไปป์ไลน์ TFX และแสดงผลลัพธ์ในสมุดบันทึก Jupyter ได้อย่างไร
สำรวจ
TFX
ให้บริการโมเดลด้วย REST API พร้อม TF Serving
เรียนรู้ว่า TensorFlow Serving ช่วยให้คุณปรับใช้อัลกอริทึมและการทดลองใหม่ได้อย่างไรในขณะที่ยังคงรักษาสถาปัตยกรรมเซิร์ฟเวอร์และ API เดียวกัน
สำรวจ
เครื่องมือ
TensorBoard
TensorBoard เป็นเครื่องมือในการแสดงภาพการฝึกอบรมและผลลัพธ์
ด้วย TensorBoard คุณสามารถติดตามเมตริกการทดสอบเช่นการสูญเสียและความแม่นยำแสดงภาพกราฟโมเดลการฝังโปรเจ็กต์ไปยังพื้นที่มิติที่ต่ำกว่าและอื่น ๆ
สำรวจ
TensorFlow Hub
TensorFlow Hub เป็นไลบรารีที่มีอยู่มากมาย
TensorFlow Hub เป็นไลบรารีสำหรับการเผยแพร่การค้นพบและการใช้ชิ้นส่วนที่นำกลับมาใช้ใหม่ได้ของโมเดลการเรียนรู้ของเครื่องที่เรียกว่าโมดูล
สำรวจ

ต้องการขยายความรู้ ML ของคุณหรือไม่?

TensorFlow ใช้งานง่ายกว่าด้วยความเข้าใจพื้นฐานเกี่ยวกับหลักการเรียนรู้ของเครื่องและแนวคิดหลัก เรียนรู้และใช้แนวทางการเรียนรู้พื้นฐานของเครื่องเพื่อพัฒนาทักษะของคุณ

เรียนรู้ ML

เริ่มต้นด้วยหลักสูตรที่ได้รับการดูแลจัดการเพื่อพัฒนาทักษะของคุณในพื้นที่ ML พื้นฐาน