TensorFlow 是一个端到端开源机器学习平台

借助 TensorFlow,初学者和专家可以轻松地创建机器学习模型。请参阅以下几部分,了解如何开始使用。

查看教程

教程将通过完整的端到端示例向您展示如何使用 TensorFlow。

查看指南

指南介绍了 TensorFlow 的概念和组件。

针对新手

您最好从用户友好的 Sequential API 入手。您可以将各基础组件组合在一起来创建模型。请运行下面的“Hello World”示例,然后访问教程以了解详情。

要学习机器学习知识,请访问我们的教育页面。从精选课程着手,提升您在机器学习基础领域的技能。

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)

针对专家

Subclassing API 提供了由运行定义的高级研究接口。为您的模型创建一个类,然后以命令方式编写前向传播。您可以轻松编写自定义层、激活函数和训练循环。请运行下面的“Hello World”示例,然后访问教程以了解详情。

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))

常见问题的解决方案

浏览分步教程以帮助您完成项目。

针对新手
您的首个神经网络

在这一完整 TensorFlow 程序的简要介绍中,训练一个对服饰(例如运动鞋和衬衫)图像进行分类的神经网络。

针对专家
生成对抗网络

使用 Keras Subclassing API 训练生成对抗网络来生成手写数字图像。

针对专家
基于注意力的神经机器翻译

使用 Keras Subclassing API 训练一个序列到序列模型以进行从西班牙语到英语的翻译。

新闻和通告

欢迎查看我们的博客,了解其他动态;以及订阅 TensorFlow 每月简报,直接通过邮箱接收最新公告。

August 10, 2021  
Building recommendation systems with TensorFlow

Learn how to build recommendation systems using TensorFlow and other products.

July 7, 2021  
TensorFlow Hub for Real World Impact

See how developers are using them to solve real world problems across many domains and explore TensorFlow Hub’s pretrained models at hub.tensorflow.google.cn.

2021 年 5 月 19 日  
Deploy machine learning on-device

Explore the On-Device ML website where you can learn the benefits of integrating ML in your mobile and web apps, and find turnkey solutions for common ML scenarios and custom use cases.

2021 年 5 月 19 日  
What's new in Machine Learning | Keynote

Learn what’s available to developers when it comes to creating, understanding, and deploying models for a variety of different applications. From Responsible AI to TensorFlow 2.5, mobile devices, microcontrollers, and beyond.