¡Google I / O regresa del 18 al 20 de mayo! Reserva espacio y crea tu horario Regístrate ahora

TensorFlow es una plataforma de código abierto de extremo a extremo para el aprendizaje automático

TensorFlow facilita la creación de modelos de aprendizaje automático, sin importar si eres principiante o experto.. Consulta las secciones que se encuentran a continuación para comenzar.

Ver los instructivos

Los instructivos te enseñan a usar TensorFlow con ejemplos completos de extremo a extremo.

Ver la guía

Las guías explican los conceptos y los componentes de TensorFlow.

Para principiantes

El mejor punto de partida es la API secuencial, que es fácil de usar. Puedes crear modelos si conectas bloques de compilación. Ejecuta el ejemplo de "Hello World" que se encuentra a continuación y, luego, consulta los instructivos para obtener más información.

Para aprender sobre el AA, visita nuestra página educativa. Comienza con capacitaciones seleccionadas para mejorar tus habilidades en áreas fundamentales del AA.

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)

Para expertos

La API de subclases tiene una interfaz definida por ejecución para la investigación avanzada. Crea una clase para tu modelo y, luego, escribe la propagación hacia adelante de manera imperativa. Escribe con facilidad capas personalizadas, activaciones y bucles de entrenamiento. Ejecuta el ejemplo de "Hello World" que se encuentra a continuación y, luego, visita los instructivos para obtener más información.

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))

Soluciones para problemas comunes

Explora instructivos paso a paso para obtener ayuda con tus proyectos.

Para principiantes
Tu primera red neuronal

Entrena una red neuronal para que clasifique imágenes de ropa, como zapatillas y camisas, en esta descripción general rápida de un programa completo de TensorFlow.

Para expertos
Redes generativas adversarias

Entrena una red generativa adversaria para generar imágenes de dígitos escritos a mano, con la API de subclases de Keras.

Para expertos
Traducción automática neuronal con atención

Entrena un modelo de secuencia a secuencia para que traduzca de español a inglés con la API de subclases de Keras.

Noticias y anuncios

Visita nuestro blog para encontrar actualizaciones adicionales y suscríbete a nuestro boletín informativo mensual de TensorFlow para recibir los anuncios más recientes directamente en tu casilla de correo.

23 de septiembre de 2020  
Introducción a TensorFlow Recommenders

Nos complace presentar TensorFlow Recommenders (TFRS), un paquete de código abierto de TensorFlow que permite compilar, evaluar y derivar fácilmente modelos de recomendación complejos.

26 de agosto de 2020  
Introducción a TF-Coder, una herramienta que escribe expresiones complicadas de TensorFlow

TF-Coder es una herramienta de síntesis de programas que te ayuda a escribir código de TensorFlow. En lugar de programar directamente las manipulaciones de tensores, muestra un ejemplo ilustrativo y TF-Coder te proporcionará automáticamente el código correspondiente. ¡Pruébalo tú mismo en un Codelab!

11 de agosto de 2020  
Kit de herramientas para la optimización de modelos de TensorFlow: API de agrupamiento en clústeres por peso

Introducción a una API de agrupamiento en clústeres por peso que creó y aportó Arm. El agrupamiento en clústeres por peso reduce los tamaños de almacenamiento y transferencia de tu modelo ya que reemplaza varios valores de parámetro únicos con una cantidad menor de valores únicos.

14 de julio de 2020  
Demostración de LipSync de YouTube con TensorFlow.js

Descubre qué tanto conoces la letra del gran éxito "Dance Monkey." Esta experiencia en el navegador utiliza el modelo Facemesh para estimar los puntos clave de los labios a fin de calificar la sincronización de los labios con la letra.