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.
Temos o prazer de anunciar o TensorFlow Recommenders (TFRS), um pacote de código aberto do TensorFlow que facilita a criação, avaliação e veiculação de modelos de recomendação sofisticados.
O TF-Coder é uma ferramenta de síntese de programas que ajuda a escrever código do TensorFlow. Em vez de codificar diretamente manipulações complicadas de tensor, você pode demonstrá-las com um exemplo ilustrativo, e o TF-Coder criará o código correspondente de maneira automática. Experimente por conta própria em um Codelab.
Conheça uma API de clustering de peso que foi proposta e criada em colaboração com a Arm. O clustering de peso ajuda a reduzir o tamanho de armazenamento e de transferência do modelo ao substituir muitos valores de parâmetros exclusivos por um número menor deles.
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.