עזרה להגן על שונית המחסום הגדולה עם TensorFlow על Kaggle הצטרפו אתגר

TensorFlow היא פלטפורמת קוד פתוח מקצה לקצה ללמידת מכונה

TensorFlow מקל על מתחילים ומומחים ליצור מודלים של למידת מכונה. עיין בסעיפים למטה כדי להתחיל.

ראה מדריכים

מדריכים מראים לך כיצד להשתמש ב-TensorFlow עם דוגמאות מלאות מקצה לקצה.

עיין במדריך

מדריכים מסבירים את המושגים והמרכיבים של TensorFlow.

למתחילים

המקום הטוב ביותר להתחיל הוא עם ה-API Sequential הידידותי למשתמש. אתה יכול ליצור מודלים על ידי חיבור אבני בניין. הפעל את הדוגמה "Hello World" להלן, ולאחר מכן בקר הדרכות כדי ללמוד עוד.

כדי ללמוד ML, לבדוק שלנו בעמוד החינוך . התחל עם תוכניות לימודים שנאספו כדי לשפר את הכישורים שלך בתחומי ML בסיסיים.

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)

למומחים

ממשק ה-Subclassing API מספק ממשק מוגדר לפי הפעלה למחקר מתקדם. צור כיתה עבור הדגם שלך, ולאחר מכן כתוב את המעבר קדימה באופן הכרחי. כתוב בקלות שכבות מותאמות אישית, הפעלות ולולאות אימון. הפעל את הדוגמה "Hello World" להלן, ולאחר מכן בקר הדרכות כדי ללמוד עוד.

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))

פתרונות לבעיות נפוצות

חקור מדריכי לימוד שלב אחר שלב שיעזרו לך בפרויקטים שלך.

למתחילים
הרשת העצבית הראשונה שלך

אמנו רשת עצבית כדי לסווג תמונות של בגדים, כמו נעלי ספורט וחולצות, בסקירה המהירה הזו של תוכנית TensorFlow שלמה.

למומחים
רשתות יריבות יצירתיות

אימון רשת יריבתית יוצרת ליצור תמונות של ספרות בכתב יד, באמצעות ממשק ה-API של Keras Subclassing.

למומחים
תרגום מכונה עצבית עם תשומת לב

אימון מודל רצף לרצף לתרגום ספרדית לאנגלית באמצעות ממשק ה-API של Keras Subclassing.

חדשות והודעות

עזיבה שלנו הבלוג לקבלת עדכונים נוספים, וכן להירשם לניוזלטר TensorFlow החודשי שלנו כדי לקבל את ההכרזות האחרונות שנשלחו ישירות לתיבת הדואר הנכנס שלך.