TensorFlow は、機械学習向けに開発されたエンドツーエンドのオープンソース プラットフォームです
TensorFlow を利用すると、エキスパートはもちろん初心者でも機械学習モデルを簡単に作成できます。まずは以下の各セクションをご覧ください。
初心者向け
The best place to start is with the user-friendly Sequential API. You can create models by plugging together building blocks. Run the “Hello World” example below, then visit the tutorials to learn more.
To learn ML, check out our education page. Begin with curated curriculums to improve your skills in foundational ML areas.
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)
エキスパート向け
The Subclassing API provides a define-by-run interface for advanced research. Create a class for your model, then write the forward pass imperatively. Easily author custom layers, activations, and training loops. Run the “Hello World” example below, then visit the tutorials to learn more.
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))
よくある問題への解決策
プロジェクトの参考になるステップバイステップ チュートリアルをご覧ください。
スニーカーやシャツなど、身に着けるものの画像を分類するニューラル ネットワークをトレーニングします。短時間で終えられるこのチュートリアルを通じて、TensorFlow プログラムの全体像を大まかに把握することができます。
Generate images based on a text prompt using the KerasCV implementation of stability.ai's Stable Diffusion model.
Preprocess WAV files and train a basic automatic speech recognition model.