O TensorFlow é uma plataforma completa de código aberto para machine learning
Com o TensorFlow, iniciantes e usuários avançados podem criar modelos de machine learning com facilidade. Veja as seções abaixo para começar.
Para iniciantes
O melhor lugar para começar é a API Sequential, que é fácil de usar. É possível combinar elementos fundamentais para criar modelos. Execute o exemplo "Hello World" abaixo e acesse os tutoriais para saber mais.
Para aprender ML, confira a página de educação. Comece com os currículos selecionados para aprimorar suas habilidades nas áreas básicas de 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)
Para usuários avançados
A API de subclassificação fornece uma interface definida pela execução para pesquisas avançadas. Crie uma classe para o modelo e então escreva a instrução de maneira imperativa. Crie camadas, ativações e loops de treinamento com facilidade. Execute o exemplo "Hello World" abaixo e veja os tutoriais para saber mais.
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))
Soluções de problemas recorrentes
Descubra tutoriais passo a passo que auxiliam nos seus projetos.
Treine uma rede neural para classificar imagens de vestuário, como tênis e camisetas, nesta visão geral rápida de um programa completo no TensorFlow.
Use a API de subclassificação do Keras para treinar uma rede adversária generativa e criar imagens de numerais escritos à mão.
Treine um modelo sequencial para traduzir do espanhol para o inglês com a API de subclassificação do Keras.
Notícias e avisos
Confira nosso blog para ver mais atualizações. Inscreva-se na newsletter mensal do TensorFlow para receber os comunicados mais recentes diretamente na sua caixa de entrada.
We're excited to introduce TensorFlow Recommenders (TFRS), an open-source TensorFlow package that makes building, evaluating, and serving sophisticated recommender models easy.
TF-Coder is a program synthesis tool that helps you write TensorFlow code. Instead of coding tricky tensor manipulations directly, demonstrate it through an illustrative example and TF-Coder provides the corresponding code automatically. Try it yourself in a Codelab!
Introducing a weight clustering API, proposed and contributed by Arm. Weight clustering helps reduce the storage and transfer size of your model by replacing many unique parameter values with a smaller number of unique values.
Veja como está sua sincronização no lip sync do sucesso "Dance Monkey." Essa experiência no navegador usa o modelo Facemesh para estimar os pontos principais em volta dos lábios e medir a precisão do lip sync.
Participação da comunidade
Veja outras maneiras de participar da comunidade do TensorFlow.