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

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

ट्यूटोरियल देखें

ट्यूटोरियल आपको संपूर्ण, संपूर्ण उदाहरणों के साथ TensorFlow का उपयोग करने का तरीका दिखाते हैं।

गाइड देखें

मार्गदर्शिकाएँ TensorFlow की अवधारणाओं और घटकों की व्याख्या करती हैं।

नौसिखिये के लिए

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

एमएल सीखने के लिए, हमारा शिक्षा पृष्ठ देखें। आधारभूत एमएल क्षेत्रों में अपने कौशल में सुधार करने के लिए क्यूरेटेड पाठ्यक्रम के साथ 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 शोध के लिए एक परिभाषित-दर-रन इंटरफ़ेस प्रदान करता है। अपने मॉडल के लिए एक क्लास बनाएं, फिर फॉरवर्ड पास को अनिवार्य रूप से लिखें। आसानी से कस्टम लेयर्स, एक्टिवेशन्स और ट्रेनिंग लूप्स को ऑथर करें। नीचे "हैलो वर्ल्ड" उदाहरण चलाएँ, फिर अधिक जानने के लिए ट्यूटोरियल पर जाएँ।

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))
प्लेसहोल्डर27

आम समस्याओं का समाधान

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

नौसिखिये के लिए
आपका पहला तंत्रिका नेटवर्क

संपूर्ण TensorFlow कार्यक्रम के इस तेज़-तर्रार अवलोकन में, स्नीकर्स और शर्ट जैसे कपड़ों की छवियों को वर्गीकृत करने के लिए एक तंत्रिका नेटवर्क को प्रशिक्षित करें।

विशेषज्ञों के लिए
जनरेटिव प्रतिकूल नेटवर्क

केरस सबक्लासिंग एपीआई का उपयोग करके हस्तलिखित अंकों की छवियों को उत्पन्न करने के लिए एक जनरेटिव एडवरसैरियल नेटवर्क को प्रशिक्षित करें।

विशेषज्ञों के लिए
तंत्रिका मशीन अनुवाद ध्यान के साथ

केरस सबक्लासिंग एपीआई का उपयोग करके स्पेनिश से अंग्रेजी अनुवाद के लिए अनुक्रम-से-अनुक्रम मॉडल को प्रशिक्षित करें।

समाचार और घोषणाएं

अतिरिक्त अपडेट के लिए हमारा ब्लॉग देखें, और नवीनतम घोषणाएं सीधे आपके इनबॉक्स में भेजने के लिए हमारे TensorFlow न्यूज़लेटर की सदस्यता लें।