บทช่วยสอน TensorFlow เขียนเป็นสมุดบันทึก Jupyter และเรียกใช้โดยตรงใน Google Colab ซึ่งเป็นสภาพแวดล้อมสมุดบันทึกที่โฮสต์ซึ่งไม่จำเป็นต้องตั้งค่า ที่ด้านบนของบทแนะนำแต่ละรายการ คุณจะเห็นปุ่ม เรียกใช้ใน Google Colab คลิกปุ่มเพื่อเปิดสมุดบันทึกและรันโค้ดด้วยตัวเอง

จุดเริ่มต้นที่ดีที่สุดคือการใช้ Keras sequential API ที่เป็นมิตรกับผู้ใช้ สร้างแบบจำลองโดยการต่อหน่วยการสร้างเข้าด้วยกัน หลังจากบทช่วยสอนเหล่านี้ อ่าน คู่มือ Keras
นี้ "สวัสดีชาวโลก!" notebook แสดง Keras Sequential API และ model.fit
คอลเลกชันสมุดบันทึกนี้สาธิตงานการเรียนรู้ของเครื่องขั้นพื้นฐานโดยใช้ Keras
บทช่วยสอนเหล่านี้ใช้ tf.data เพื่อโหลดรูปแบบข้อมูลต่างๆ และสร้างไพพ์ไลน์อินพุต
API การทำงานและคลาสย่อยของ Keras จัดเตรียมอินเทอร์เฟซแบบกำหนดโดยรันสำหรับการปรับแต่งและการวิจัยขั้นสูง สร้างแบบจำลองของคุณ จากนั้นเขียนการส่งต่อและย้อนกลับ สร้างเลเยอร์แบบกำหนดเอง การเปิดใช้งาน และลูปการฝึก
นี้ "สวัสดีชาวโลก!" โน้ตบุ๊กใช้ Keras subclassing API และลูปการฝึกแบบกำหนดเอง
คอลเลกชั่นสมุดบันทึกนี้แสดงวิธีสร้างเลเยอร์ที่กำหนดเองและลูปการฝึกใน TensorFlow
แจกจ่ายการฝึกโมเดลของคุณใน GPU หลายตัว หลายเครื่อง หรือ TPU
ส่วนขั้นสูงมีตัวอย่างสมุดบันทึกที่เป็นประโยชน์มากมาย รวมถึง การแปลด้วยเครื่องประสาท , Transformers และ CycleGAN
ดูวิดีโอเหล่านี้เพื่อเรียนรู้เกี่ยวกับแมชชีนเลิร์นนิงด้วย TensorFlow:
สำรวจ ไลบรารี เพื่อสร้างโมเดลหรือวิธีการขั้นสูงโดยใช้ TensorFlow และเข้าถึงแพ็คเกจแอปพลิเคชันเฉพาะโดเมนที่ขยาย TensorFlow นี่คือ ตัวอย่าง บทแนะนำสำหรับโครงการเหล่านี้
สมัครสมาชิก บล็อก TensorFlow ช่อง YouTube และ Twitter สำหรับการอัปเดตล่าสุด