इस पेज का अनुवाद Cloud Translation API से किया गया है.
Switch to English

TensorFlow मशीन सीखने के लिए एंड-टू-एंड ओपन सोर्स प्लेटफॉर्म है

TensorFlow मशीन सीखने के मॉडल बनाने के लिए शुरुआती और विशेषज्ञों के लिए आसान बनाता है। आरंभ करने के लिए नीचे दिए गए अनुभाग देखें।

ट्यूटोरियल देखें

ट्यूटोरियल आपको दिखाते हैं कि कैसे TensorFlow का उपयोग पूर्ण, अंत-से-अंत उदाहरणों के साथ किया जाता है।

गाइड देखें

गाइड TensorFlow की अवधारणाओं और घटकों की व्याख्या करते हैं।

नौसिखिये के लिए

शुरू करने के लिए सबसे अच्छी जगह उपयोगकर्ता के अनुकूल अनुक्रमिक एपीआई के साथ है। आप बिल्डिंग ब्लॉक्स को एक साथ जोड़कर मॉडल बना सकते हैं। नीचे "हैलो वर्ल्ड" उदाहरण चलाएं, फिर अधिक जानने के लिए ट्यूटोरियल पर जाएं।

एमएल सीखने के लिए, हमारे शिक्षा पृष्ठ देखें । मूलभूत एमएल क्षेत्रों में अपने कौशल को बेहतर बनाने के लिए क्यूरेटिड क्यूरिकुलम से शुरुआत करें।

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)

विशेषज्ञों के लिए

सबक्लासिंग एपीआई उन्नत अनुसंधान के लिए एक परिभाषित-बाय-रन इंटरफ़ेस प्रदान करता है। अपने मॉडल के लिए एक क्लास बनाएं, फिर फॉरवर्ड पास को अनिवार्य रूप से लिखें। आसानी से लेखक कस्टम परतों, सक्रियण, और प्रशिक्षण छोरों। नीचे "हैलो वर्ल्ड" उदाहरण चलाएं, फिर अधिक जानने के लिए ट्यूटोरियल पर जाएं।

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))

आम समस्याओं का समाधान

अपनी परियोजनाओं में आपकी सहायता करने के लिए चरण-दर-चरण ट्यूटोरियल देखें।

नौसिखिये के लिए
आपका पहला तंत्रिका नेटवर्क

एक पूर्ण TensorFlow कार्यक्रम के इस तेजी से पुस्तक अवलोकन में, स्नीकर्स और शर्ट की तरह कपड़े की छवियों को वर्गीकृत करने के लिए एक तंत्रिका नेटवर्क को प्रशिक्षित करें।

विशेषज्ञों के लिए
पीढ़ी के प्रतिकूल नेटवर्क

करस सबक्लासिंग एपीआई का उपयोग करते हुए हस्तलिखित अंकों की छवियों को उत्पन्न करने के लिए एक पीढ़ी के प्रतिकूल नेटवर्क को प्रशिक्षित करें।

विशेषज्ञों के लिए
ध्यान के साथ तंत्रिका मशीन अनुवाद

केरस सबक्लासिंग एपीआई का उपयोग करते हुए स्पेनिश से अंग्रेजी अनुवाद के लिए अनुक्रम-टू-सीक्वेंस मॉडल को प्रशिक्षित करें।

समाचार और घोषणाएँ

अतिरिक्त अपडेट के लिए हमारे ब्लॉग को देखें और अपने इनबॉक्स में सीधे भेजे गए नवीनतम घोषणाओं को प्राप्त करने के लिए हमारे मासिक TensorFlow न्यूज़लेटर की सदस्यता लें।

14 जुलाई, 2020
TensorFlow.js के साथ YouTube डेमो द्वारा LipSync

देखें कि आप लोकप्रिय हिट "डांस मंकी" के गीतों को कितनी अच्छी तरह से सिंक्रनाइज़ करते हैं। यह-इन-ब्राउज़र अनुभव होंठ-सिंकिंग सटीकता को प्राप्त करने के लिए होठों के चारों ओर प्रमुख बिंदुओं का आकलन करने के लिए फेसमेश मॉडल का उपयोग करता है।

10 जुलाई, 2020  
TensorFlow 2 ऑब्जेक्ट डिटेक्शन एपीआई से मिलता है

हमारा कोडबेस तंग केरस एकीकरण, वितरण रणनीतियों तक पहुंच, उत्सुक निष्पादन के साथ आसान डिबगिंग प्रदान करता है - सभी अच्छाईयां जो एक TensorFlow 2 codebase से उम्मीद कर सकते हैं।

8 जुलाई, 2020  
TensorFlow 2.3 यहाँ है!

TensorFlow 2.3 इनपुट पाइपलाइन की बाधाओं को हल करने और संसाधनों को बचाने के लिए 'tf.data' में नई विशेषताओं को दिखाता है, डेटा प्रीप्रोसेसिंग के लिए केर प्रायोगिक प्रीप्रोसेसिंग लेयर्स और नए TF Profiler उपकरण।

26 जून, 2020
जानें कि एक प्रीट्रेस्ड बीईआरटी मॉडल को कैसे ठीक किया जाए

यह नया ट्यूटोरियल, BERT का उपयोग करके पाठ हस्तांतरण सीखने का एक ऑफ-द-शेल्फ कार्यान्वयन दिखाता है, जिसे आपको इसे संशोधित करने या इसे खरोंच से वापस लेने के लिए डिज़ाइन किया गया है।