המדריכים של TensorFlow כתובים כמחברות Jupyter ופועלות ישירות ב-Google Colab - סביבת מחברת מתארחת שאינה דורשת הגדרה. בחלק העליון של כל מדריך, תראה כפתור הפעל ב-Google Colab . לחץ על הלחצן כדי לפתוח את המחברת ולהפעיל את הקוד בעצמך.

המקום הטוב ביותר להתחיל הוא עם ה-API הרציף הידידותי למשתמש של Keras. בנה מודלים על ידי חיבור אבני בניין. לאחר מדריכים אלה, קרא את מדריך Keras .
זה "שלום, עולם!" המחברת מציגה את Keras Sequential API ו- model.fit .
אוסף מחברת זה מדגים משימות בסיסיות של למידת מכונה באמצעות Keras.
מדריכים אלה משתמשים ב- tf.data כדי לטעון פורמטים שונים של נתונים ולבנות צינורות קלט.
ממשק ה-API הפונקציונלי ותת-הסיווג של Keras מספקים ממשק מוגדר לפי הפעלה להתאמה אישית ומחקר מתקדם. בנה את המודל שלך, ולאחר מכן כתוב את המעבר קדימה ואחורה. צור שכבות, הפעלות ולולאות אימון מותאמות אישית.
זה "שלום, עולם!" המחברת משתמשת ב-Keras subclassing API ובלולאת אימון מותאמת אישית.
אוסף מחברות זה מראה כיצד לבנות שכבות מותאמות אישית ולולאות אימון ב-TensorFlow.
חלק את הדרכת המודל שלך על פני מספר GPUs, מספר מכונות או TPUs.
בחלק המתקדם יש דוגמאות רבות של מחברות מאלפות, כולל תרגום מכונה עצבי , רובוטריקים ו- CycleGAN .
בדוק את הסרטונים האלה למבוא ללמידת מכונה עם TensorFlow:
חקור ספריות כדי לבנות מודלים או שיטות מתקדמות באמצעות TensorFlow, וקבל גישה לחבילות יישומים ספציפיות לדומיין שמרחיבות את TensorFlow. זוהי דוגמה מהמדריכים הזמינים עבור פרויקטים אלה.
הירשם לבלוג TensorFlow , לערוץ YouTube ולטוויטר לקבלת העדכונים האחרונים.