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。

チュートリアル

包括的で完全な例を挙げながら TensorFlow の使い方を説明するチュートリアルです。

ガイドを見る

TensorFlow の概念およびコンポーネントについて説明するガイドです。

初心者向け

まずは、ユーザー フレンドリーな Sequential API を使用することをおすすめします。構成要素をつなぎ合わせるだけでモデルを作成できます。以下の「Hello World」の例を実行したら、チュートリアルで詳細を確認してください。また、ML を学習するには、教育ページを参照してください。まずは、ML の基礎に関するスキルを向上させるためのカリキュラムを学習しましょう。

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

Subclassing API では、高度な研究に適した Define-by-Run インターフェースを提供します。モデル用のクラスを作成してから、フォワードパスを命令的に記述します。カスタムレイヤ、アクティベーション、トレーニング ループは簡単に記述できます。以下の「Hello World」の例を実行してから、チュートリアルで詳細を確認しましょう。

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。

初心者向け
はじめてのニューラル ネットワーク

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。

エキスパート向け
敵対的生成ネットワーク

Keras Subclassing API を使用して、手書き風の数字の画像を生成する敵対的生成ネットワークをトレーニングします。

エキスパート向け
アテンションを用いたニューラル機械翻訳

Keras Subclassing API を使用して、スペイン語から英語への翻訳を行う sequence-to-sequence モデルをトレーニングします。

ニュースとお知らせ

その他の最新情報については、ブログをご覧ください。また、最新のお知らせを毎月メールボックスに直接お届けする TensorFlow ニュースレターにご登録ください。

September 23, 2020  
Introducing TensorFlow Recommenders

We're excited to introduce TensorFlow Recommenders (TFRS), an open-source TensorFlow package that makes building, evaluating, and serving sophisticated recommender models easy.

August 26, 2020  
Introducing TF-Coder, a tool that writes tricky TensorFlow expressions for you!

TF-Coder is a program synthesis tool that helps you write TensorFlow code. Instead of coding tricky tensor manipulations directly, demonstrate it through an illustrative example and TF-Coder provides the corresponding code automatically. Try it yourself in a Codelab!

August 11, 2020  
TensorFlow Model Optimization Toolkit — Weight Clustering API

Introducing a weight clustering API, proposed and contributed by Arm. Weight clustering helps reduce the storage and transfer size of your model by replacing many unique parameter values with a smaller number of unique values.

2020 年 7 月 14 日  
TensorFlow.js を使用した LipSync by YouTube のデモ

ヒット曲\「ダンス・モンキー」\の歌詞にうまく口パクを合わせられるか試してみましょう。このブラウザ上のエクスペリエンスには facemesh モデルが使用されています。唇の周囲にある主要なポイントを推定し、口パクの精度を評価します。