آموزش‌های TensorFlow به‌عنوان نوت‌بوک Jupyter نوشته شده‌اند و مستقیماً در Google Colab اجرا می‌شوند—یک محیط نوت‌بوک میزبانی‌شده که نیازی به تنظیم ندارد. در بالای هر آموزش، دکمه Run in Google Colab را خواهید دید. روی دکمه کلیک کنید تا نوت بوک باز شود و خودتان کد را اجرا کنید.

بهترین مکان برای شروع استفاده از API متوالی Keras کاربر پسند است. با وصل کردن بلوک‌های ساختمانی، مدل‌ها را بسازید. بعد از این آموزش ها، راهنمای Keras را بخوانید.
این "سلام، جهان!" نوت بوک Keras Sequential API و model.fit را نشان می دهد.
این مجموعه نوت بوک وظایف اصلی یادگیری ماشین را با استفاده از Keras نشان می دهد.
این آموزش ها از tf.data برای بارگذاری فرمت های مختلف داده و ایجاد خطوط لوله ورودی استفاده می کنند.
APIهای کاربردی و زیر طبقه‌بندی Keras یک رابط تعریف شده توسط اجرا برای سفارشی‌سازی و تحقیقات پیشرفته ارائه می‌کنند. مدل خود را بسازید، سپس پاس رو به جلو و عقب را بنویسید. لایه های سفارشی، فعال سازی ها و حلقه های آموزشی ایجاد کنید.
این "سلام، جهان!" نوت بوک از API فرعی Keras و یک حلقه آموزشی سفارشی استفاده می کند.
این مجموعه نوت بوک نحوه ساخت لایه های سفارشی و حلقه های آموزشی در TensorFlow را نشان می دهد.
آموزش مدل خود را در چندین GPU، چندین ماشین یا TPU توزیع کنید.
بخش پیشرفته دارای نمونه های بسیاری از نوت بوک های آموزنده است، از جمله ترجمه ماشینی عصبی ، ترانسفورماتورها و CycleGAN .
برای آشنایی با یادگیری ماشین با TensorFlow، این ویدیوها را بررسی کنید:
برای ساختن مدل‌ها یا روش‌های پیشرفته با استفاده از TensorFlow، کتابخانه‌ها را کاوش کنید و به بسته‌های کاربردی دامنه خاص که TensorFlow را گسترش می‌دهند، دسترسی پیدا کنید. این نمونه ای از آموزش های موجود برای این پروژه ها است.
برای اطلاع از آخرین به روز رسانی ها، در وبلاگ TensorFlow ، کانال یوتیوب و توییتر مشترک شوید.