ترجمت واجهة Cloud Translation API‏ هذه الصفحة.
Switch to English

TensorFlow عبارة عن منصة مفتوحة المصدر شاملة للتعلم الآلي

تسهل TensorFlow على المبتدئين والخبراء إنشاء نماذج التعلم الآلي. انظر الأقسام أدناه للبدء.

انظر الدروس

توضح لك البرامج التعليمية كيفية استخدام TensorFlow مع أمثلة كاملة وشاملة.

انظر الدليل

أدلة تشرح مفاهيم ومكونات TensorFlow.

للمبتدئين

أفضل مكان للبدء هو واجهة برمجة التطبيقات التسلسلية سهلة الاستخدام. يمكنك إنشاء نماذج عن طريق توصيل الكتل الإنشائية معًا. قم بتشغيل مثال "Hello World" أدناه ، ثم قم بزيارة البرامج التعليمية لمعرفة المزيد.

لتعلم ML ، تحقق من صفحة التعليم الخاصة بنا. ابدأ بمناهج منظمة لتحسين مهاراتك في مجالات تعلم الآلة الأساسية.

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)

للخبراء

توفر واجهة برمجة تطبيقات Subclassing واجهة تعريف عن طريق التشغيل للبحث المتقدم. قم بإنشاء فصل دراسي للنموذج الخاص بك ، ثم اكتب التمرير الأمامي بشكل إلزامي. يمكنك بسهولة إنشاء طبقات مخصصة وتنشيطات وحلقات تدريب. قم بتشغيل مثال "Hello World" أدناه ، ثم قم بزيارة البرامج التعليمية لمعرفة المزيد.

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))

حلول للمشاكل الشائعة

استكشف البرامج التعليمية خطوة بخطوة لمساعدتك في مشروعاتك.

للمبتدئين
شبكتك العصبية الأولى

قم بتدريب شبكة عصبية لتصنيف صور الملابس ، مثل الأحذية الرياضية والقمصان ، في هذه النظرة العامة السريعة على برنامج TensorFlow الكامل.

للخبراء
شبكات الخصومة التوليدية

قم بتدريب شبكة خصومة مولدة لإنشاء صور للأرقام المكتوبة بخط اليد ، باستخدام واجهة برمجة تطبيقات Keras Subclassing.

للخبراء
الترجمة الآلية العصبية باهتمام

تدريب نموذج التسلسل إلى التسلسل للترجمة من الإسبانية إلى الإنجليزية باستخدام Keras Subclassing API.

الأخبار والإعلانات

تحقق من مدونتنا للحصول على تحديثات إضافية ، واشترك في النشرة الإخبارية الشهرية TensorFlow للحصول على أحدث الإعلانات المرسلة مباشرة إلى صندوق الوارد الخاص بك.

14 يوليو 2020
عرض LipSync بواسطة YouTube مع TensorFlow.js

تعرف على مدى جودة المزامنة مع كلمات الأغنية الشهيرة "Dance Monkey". تستخدم هذه التجربة في المتصفح نموذج Facemesh لتقدير النقاط الرئيسية حول الشفاه لتسجيل دقة مزامنة الشفاه.

10 يوليو 2020  
يتوافق TensorFlow 2 مع واجهة برمجة تطبيقات اكتشاف الكائنات

توفر قاعدة التعليمات البرمجية الخاصة بنا تكاملًا وثيقًا مع Keras ، وإمكانية الوصول إلى استراتيجيات التوزيع ، وتصحيح الأخطاء بسهولة مع التنفيذ الحثيث - كل الأشياء الجيدة التي قد يتوقعها المرء من قاعدة كود TensorFlow 2.

8 يوليو 2020  
يتوفر TensorFlow 2.3!

يعرض TensorFlow 2.3 ميزات جديدة في "tf.data" لحل اختناقات خطوط أنابيب الإدخال وتوفير الموارد وطبقات المعالجة المسبقة التجريبية لـ Keras للمعالجة المسبقة للبيانات وأدوات ملف تعريف TF الجديدة.

26 يونيو 2020
تعرف على كيفية ضبط نموذج BERT مسبق الصنع

يُظهر هذا البرنامج التعليمي الجديد تنفيذًا جاهزًا لتعلم نقل النص باستخدام BERT ، وهو مصمم للسماح لك بتعديله أو إعادة تدريبه من البداية.