तिथि को रक्षित करें! Google I / O 18-20 मई को पंजीकृत करता है
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 TensorFlow का उपयोग पूर्ण, अंत-से-अंत उदाहरणों के साथ कैसे 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

उपक्लासिंग एपीआई उन्नत अनुसंधान के लिए एक परिभाषित-बाय-रन इंटरफ़ेस प्रदान करता है। अपने मॉडल के लिए एक क्लास बनाएं, फिर फॉरवर्ड पास अनिवार्य रूप से लिखें। आसानी से लेखक कस्टम परतों, सक्रियण, और प्रशिक्षण लूप। 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 जैसे कपड़ों 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
तंत्रिका मशीन अनुवाद ध्यान के साथ

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।