Giới thiệu về TensorFlow
TensorFlow giúp người mới bắt đầu và các chuyên gia dễ dàng tạo các mô hình học máy cho máy tính để bàn, thiết bị di động, web và đám mây. Xem các phần bên dưới để bắt đầu.
TensorFlow
Tìm hiểu nền tảng của TensorFlow với các hướng dẫn cho người mới bắt đầu và các chuyên gia để giúp bạn tạo dự án máy học tiếp theo của mình.
Đối với Web
Sử dụng TensorFlow.js để tạo các mô hình học máy mới và triển khai các mô hình hiện có bằng JavaScript.
Dành cho thiết bị di động và cạnh
Chạy suy luận với TensorFlow Lite trên thiết bị di động và thiết bị nhúng như Android, iOS, Edge TPU và Raspberry Pi.
Cho việc sản xuất
Triển khai đường ống ML sẵn sàng sản xuất để đào tạo và suy luận bằng cách sử dụng TFX.
Một nền tảng end-to-end cho máy học
Chuẩn bị và tải dữ liệu để có kết quả ML thành công
Dữ liệu có thể là yếu tố quan trọng nhất trong sự thành công của nỗ lực ML của bạn. TensorFlow cung cấp nhiều công cụ dữ liệu để giúp bạn củng cố, làm sạch và xử lý trước dữ liệu trên quy mô lớn:
Bộ dữ liệu tiêu chuẩn để đào tạo và xác nhận ban đầu
Các đường ống dẫn dữ liệu có khả năng mở rộng cao để tải dữ liệu
Tiền xử lý các lớp cho các phép biến đổi đầu vào thông thường
Các công cụ để xác thực và chuyển đổi các tập dữ liệu lớn
Ngoài ra, các công cụ AI có trách nhiệm giúp bạn phát hiện và loại bỏ sự thiên vị trong dữ liệu của mình để tạo ra các kết quả công bằng, có đạo đức từ các mô hình của bạn.
Hãy thử nó trong Colab
Tải và xử lý trước tập dữ liệu hình ảnh Điều tra và trực quan hóa tập dữ liệuXây dựng và tinh chỉnh các mô hình với hệ sinh thái TensorFlow
Khám phá toàn bộ hệ sinh thái được xây dựng trên Khung cốt lõi giúp hợp lý hóa việc xây dựng, đào tạo và xuất mô hình. TensorFlow hỗ trợ đào tạo phân tán, lặp lại mô hình ngay lập tức và gỡ lỗi dễ dàng với Keras , v.v. Các công cụ như Phân tích mô hình và TensorBoard giúp bạn theo dõi sự phát triển và cải tiến thông qua vòng đời của mô hình của bạn.
Để giúp bạn bắt đầu, hãy tìm bộ sưu tập các mô hình được đào tạo trước tại TensorFlow Hub từ Google và cộng đồng hoặc triển khai các mô hình nghiên cứu hiện đại trong Vườn mẫu . Các thư viện thành phần cấp cao này cho phép bạn lấy các mô hình mạnh mẽ và tinh chỉnh chúng trên dữ liệu mới hoặc tùy chỉnh chúng để thực hiện các tác vụ mới.
Hãy thử nó trong Colab
Đào tạo mạng nơ-ron để phân loại hình ảnh Đào tạo lại bộ phân loại hình ảnh với học chuyển tiếpTriển khai các mô hình trên thiết bị, trong trình duyệt, tại chỗ hoặc trên đám mây
TensorFlow cung cấp các khả năng mạnh mẽ để triển khai các mô hình của bạn trên bất kỳ môi trường nào - máy chủ, thiết bị biên, trình duyệt, thiết bị di động, vi điều khiển, CPU, GPU, FPGA. TensorFlow Serving có thể chạy các mô hình ML ở quy mô sản xuất trên các bộ xử lý tiên tiến nhất trên thế giới, bao gồm các Bộ xử lý Tensor (TPU) tùy chỉnh của Google.
Nếu bạn cần phân tích dữ liệu gần với nguồn của nó để giảm độ trễ và cải thiện quyền riêng tư của dữ liệu, thì khung TensorFlow Lite cho phép bạn chạy các mô hình trên thiết bị di động, thiết bị điện toán biên và thậm chí cả vi điều khiển và khung TensorFlow.js cho phép bạn chạy máy học với chỉ là một trình duyệt web.
Hãy thử nó trong Colab
Cung cấp một mô hình với TensorFlow ServingThực hiện MLOps cho ML sản xuất
Nền tảng TensorFlow giúp bạn triển khai các phương pháp hay nhất để tự động hóa dữ liệu, theo dõi mô hình, giám sát hiệu suất và đào tạo lại mô hình.
Việc sử dụng các công cụ ở cấp độ sản xuất để tự động hóa và theo dõi quá trình đào tạo mô hình trong suốt thời gian tồn tại của sản phẩm, dịch vụ hoặc quy trình kinh doanh là rất quan trọng để thành công. TFX cung cấp khung phần mềm và công cụ để triển khai MLOps đầy đủ, phát hiện các vấn đề khi dữ liệu và mô hình của bạn phát triển theo thời gian.
Tìm cách mở rộng kiến thức ML của bạn?
TensorFlow dễ sử dụng hơn với hiểu biết cơ bản về các nguyên tắc học máy và các khái niệm cốt lõi. Tìm hiểu và áp dụng các phương pháp học máy cơ bản để phát triển các kỹ năng của bạn.
Bắt đầu với các chương trình giảng dạy được tuyển chọn để nâng cao kỹ năng của bạn trong các lĩnh vực ML cơ bản.