Participe do Simpósio Women in ML em 7 de dezembro Inscreva-se agora
Mantenha tudo organizado com as coleções Salve e categorize o conteúdo com base nas suas preferências.

O TensorFlow é uma plataforma de código aberto de ponta a ponta para aprendizado de máquina

O TensorFlow facilita a criação de modelos de aprendizado de máquina para iniciantes e especialistas. Consulte as seções abaixo para começar.

Ver tutoriais

Os tutoriais mostram como usar o TensorFlow com exemplos completos de ponta a ponta.

Veja o guia

Os guias explicam os conceitos e componentes do TensorFlow.

Para iniciantes

O melhor lugar para começar é com a API Sequential de fácil utilização. Você pode criar modelos conectando blocos de construção. Execute o exemplo “Hello World” abaixo e visite os tutoriais para saber mais.

Para aprender ML, confira nossa página de educação . Comece com currículos selecionados para melhorar suas habilidades em áreas fundamentais de ML.

import tensorflow as tf
mnist = tf.keras.datasets.mnist

(x_train, y_train),(x_test, y_test) = mnist.load_data()
x_train, x_test = x_train / 255.0, x_test / 255.0

model = tf.keras.models.Sequential([
  tf.keras.layers.Flatten(input_shape=(28, 28)),
  tf.keras.layers.Dense(128, activation='relu'),
  tf.keras.layers.Dropout(0.2),
  tf.keras.layers.Dense(10, activation='softmax')
])

model.compile(optimizer='adam',
              loss='sparse_categorical_crossentropy',
              metrics=['accuracy'])

model.fit(x_train, y_train, epochs=5)
model.evaluate(x_test, y_test)

Para especialistas

A API de subclassificação fornece uma interface definida por execução para pesquisa avançada. Crie uma classe para seu modelo e, em seguida, escreva a passagem de encaminhamento imperativamente. Crie facilmente camadas personalizadas, ativações e loops de treinamento. Execute o exemplo “Hello World” abaixo e visite os tutoriais para saber mais.

class MyModel(tf.keras.Model):
  def __init__(self):
    super(MyModel, self).__init__()
    self.conv1 = Conv2D(32, 3, activation='relu')
    self.flatten = Flatten()
    self.d1 = Dense(128, activation='relu')
    self.d2 = Dense(10, activation='softmax')

  def call(self, x):
    x = self.conv1(x)
    x = self.flatten(x)
    x = self.d1(x)
    return self.d2(x)
model = MyModel()

with tf.GradientTape() as tape:
  logits = model(images)
  loss_value = loss(logits, labels)
grads = tape.gradient(loss_value, model.trainable_variables)
optimizer.apply_gradients(zip(grads, model.trainable_variables))

Soluções para problemas comuns

Explore tutoriais passo a passo para ajudá-lo com seus projetos.

Para iniciantes
Sua primeira rede neural

Treine uma rede neural para classificar imagens de roupas, como tênis e camisas, nesta visão geral rápida de um programa completo do TensorFlow.

Para especialistas
Redes adversárias generativas

Treine uma rede adversária generativa para gerar imagens de dígitos manuscritos, usando a API Keras Subclassing.

Para especialistas
Tradução automática neural com atenção

Treine um modelo de sequência a sequência para tradução de espanhol para inglês usando a API Keras Subclassing.

Notícias e anúncios

Confira nosso blog para atualizações adicionais e assine nosso boletim informativo do TensorFlow para receber os anúncios mais recentes diretamente na sua caixa de entrada.