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.

Ver tutoriais

Os tutoriais ensinam a usar o TensorFlow com exemplos completos.

Ver o guia

Os guias explicam os conceitos e os componentes do TensorFlow.

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.

Para iniciantes
Sua primeira rede neural

Treine uma rede neural para classificar imagens de vestuário, como tênis e camisetas, nesta visão geral rápida de um programa completo no TensorFlow.

Para usuários avançados
Redes adversárias generativas

Use a API de subclassificação do Keras para treinar uma rede adversária generativa e criar imagens de numerais escritos à mão.

Para usuários avançados
Tradução automática neural com atenção

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.

September 23, 2020  
Introducing TensorFlow Recommenders

We're excited to introduce TensorFlow Recommenders (TFRS), an open-source TensorFlow package that makes building, evaluating, and serving sophisticated recommender models easy.

August 26, 2020  
Introducing TF-Coder, a tool that writes tricky TensorFlow expressions for you!

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!

August 11, 2020  
TensorFlow Model Optimization Toolkit — Weight Clustering API

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.

14 de julho de 2020  
Demonstração do LipSync do YouTube com o TensorFlow.js

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.