Hai una domanda? Connettiti con la community al forum TensorFlow Visita il forum

TensorFlow è una piattaforma open source end-to-end per il machine learning

TensorFlow semplifica la creazione di modelli di machine learning per principianti ed esperti. Vedere le sezioni seguenti per iniziare.

Guarda i tutorial

I tutorial mostrano come utilizzare TensorFlow con esempi completi end-to-end.

Vedi la guida

Le guide spiegano i concetti e i componenti di TensorFlow.

Per principianti

Il miglior punto di partenza è l'API sequenziale di facile utilizzo. È possibile creare modelli collegando insieme elementi costitutivi. Esegui l'esempio "Hello World" di seguito, quindi visita i tutorial per saperne di più.

Per imparare il ML, controlla la nostra pagina di formazione . Inizia con curricula curati per migliorare le tue abilità nelle aree fondamentali del ML.

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)

Per esperti

L'API di sottoclassi fornisce un'interfaccia definita per esecuzione per la ricerca avanzata. Crea una classe per il tuo modello, quindi scrivi il passaggio in avanti in modo imperativo. Crea facilmente livelli personalizzati, attivazioni e cicli di addestramento. Esegui l'esempio "Hello World" di seguito, quindi visita i tutorial per saperne di più.

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))

Soluzioni a problemi comuni

Esplora tutorial passo passo per aiutarti con i tuoi progetti.

Per principianti
La tua prima rete neurale

Addestra una rete neurale per classificare le immagini di abbigliamento, come scarpe da ginnastica e camicie, in questa rapida panoramica di un programma TensorFlow completo.

Per esperti
Reti generative del contraddittorio

Addestra una rete antagonista generativa per generare immagini di cifre scritte a mano, utilizzando l'API Keras Subclassing.

Per esperti
Traduzione automatica neurale con attenzione

Addestra un modello da sequenza a sequenza per la traduzione dallo spagnolo all'inglese utilizzando l'API per le sottoclassi di Keras.

Notizie e annunci

Consulta il nostro blog per ulteriori aggiornamenti e iscriviti alla nostra newsletter mensile di TensorFlow per ricevere gli ultimi annunci inviati direttamente nella tua casella di posta.