احفظ التاريخ! يعود مؤتمر Google I / O من 18 إلى 20 مايو. سجل الآن
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 التأسيسية.

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 تلو الأخرى للبحث المتقدم. قم بإنشاء فصل دراسي لنموذجك ، 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 مشاريعك.

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 توليدية 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.