TensorFlow adalah platform open source ujung ke ujung untuk pembelajaran mesin
TensorFlow memudahkan pemula dan pakar untuk membuat model pembelajaran mesin. Lihat bagian di bawah untuk memulai.
Untuk pemula
Tempat terbaik untuk memulai adalah dengan Sequential API yang mudah digunakan. Anda dapat membuat model dengan menyambungkan blok penyusun. Jalankan contoh “Hello World” di bawah, lalu kunjungi tutorial untuk mempelajari lebih lanjut.
Untuk mempelajari ML, lihat halaman pendidikan kami. Mulailah dengan kurikulum pilihan untuk meningkatkan keterampilan Anda di area ML dasar.
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)
Untuk para ahli
Subclassing API menyediakan antarmuka yang ditentukan demi dijalankan untuk penelitian lanjutan. Buat kelas untuk model Anda, lalu tulis pass maju secara imperatif. Buat lapisan kustom, aktivasi, dan loop pelatihan dengan mudah. Jalankan contoh “Hello World” di bawah, lalu kunjungi tutorial untuk mempelajari lebih lanjut.
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))
Solusi untuk masalah umum
Jelajahi tutorial langkah demi langkah untuk membantu Anda dengan proyek Anda.

Latih jaringan saraf untuk mengklasifikasikan gambar pakaian, seperti sepatu kets dan kemeja, dalam ikhtisar cepat dari program TensorFlow lengkap ini.

Latih jaringan permusuhan generatif untuk menghasilkan gambar angka tulisan tangan, menggunakan Keras Subclassing API.

Latih model urutan-ke-urutan untuk terjemahan Bahasa Spanyol ke Bahasa Inggris menggunakan Keras Subclassing API.
Partisipasi komunitas
Lihat lebih banyak cara untuk berpartisipasi dalam komunitas TensorFlow.