TensorFlow는 머신러닝을 위한 엔드 투 엔드 오픈소스 플랫폼입니다.

TensorFlow를 사용하면 초보자와 전문가 모두 머신러닝 모델을 쉽게 만들 수 있습니다. 시작하려면 아래의 섹션을 참조하세요.

가이드 보기

가이드에서는 완벽한 엔드 투 엔드 예제와 함께 TensorFlow를 사용하는 방법을 보여줍니다.

가이드 보기

가이드는 TensorFlow의 개념과 구성요소에 관해 설명합니다.

초보자용

사용자에게 친숙한 Sequential API로 시작하는 것이 가장 좋습니다. 구성요소를 연결하여 모델을 만들 수 있습니다. 아래의 'Hello World' 예제를 실행한 다음 가이드를 방문하여 자세한 내용을 알아보세요.

ML에 관해 배워보려면 교육 페이지를 확인하세요. 엄선된 커리큘럼으로 기본적인 ML 분야의 역량을 키워보세요.

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)

전문가용

Subclassing API는 고급 연구를 위한 define-by-run 인터페이스를 제공합니다. 모델에 대한 클래스를 만든 다음 명령형으로 순방향 패스를 작성합니다. 맞춤형 레이어, 활성화 및 학습 루프를 쉽게 만들 수 있습니다. 아래의 'Hello World' 예제를 실행한 다음 가이드를 방문하여 자세한 내용을 알아보세요.

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))

일반적인 문제 해결책

프로젝트에 도움이 되는 단계별 가이드를 탐색하세요.

초보자용
첫 번째 신경망

빠르게 진행되는 전체 TensorFlow 프로그램 개요에서 운동화 및 셔츠와 같은 의류 이미지를 분류하도록 신경망을 학습시키세요.

전문가용
생성적 적대 신경망(GAN)

손으로 쓴 숫자의 이미지를 생성하도록 Keras Subclassing API를 사용하여 생성적 적대 신경망(GAN)을 학습시키세요.

전문가용
어텐션을 사용한 인공신경망 기계 번역

Keras Subclassing API를 사용하여 스페인어에서 영어로 번역하도록 sequence-to-sequence 모델을 학습시키세요.

뉴스 및 공지 사항

블로그에서 더 많은 소식을 확인하고, 월간 TensorFlow 뉴스레터를 구독하여 최신 공지사항을 받은편지함에서 바로 받아 보세요.

2020년 7월 14일
TensorFlow.js를 사용하는 LipSync by YouTube 데모

인기곡 \'Dance Monkey\'의 가사를 얼마나 잘 따라 부르는지 확인해 보세요. 이 브라우저 내 환경은 Facemesh 모델을 사용하여 입술 주위의 주요 위치를 추적해 립싱크 정확도 점수를 매깁니다.

2020년 7월 10일  
TensorFlow 2와 Object Detection API의 만남

TensorFlow의 코드베이스는 Keras와 긴밀하게 통합되며 이를 통해 배포 전략에 액세스하고 즉시 실행으로 간편하게 디버깅할 수 있습니다. 이러한 모든 혜택을 TensorFlow 2 코드베이스를 통해 이용할 수 있습니다.

2020년 7월 8일  
TensorFlow 2.3이 출시되었습니다.

TensorFlow 2.3에서는 입력 파이프라인 병목 현상을 해결하고 리소스를 저장하는 ‘tf.data’의 새 기능, 데이터 사전 처리를 위한 Keras 실험용 Preprocessing Layers, 새로운 TF Profiler 도구를 선보입니다.

2020년 6월 26일
사전 학습된 BERT 모델을 미세 조정하는 방법 알아보기

이 새로운 가이드에서는 모델을 수정하거나 처음부터 재학습할 수 있도록 설계된 BERT를 사용한 텍스트 전이 학습의 상용화된 구현을 보여줍니다.