Эта страница была переведа с помощью Cloud Translation API.
Switch to English

TensorFlow - это платформа с открытым исходным кодом для машинного обучения.

TensorFlow позволяет новичкам и экспертам легко создавать модели машинного обучения. См. Разделы ниже, чтобы начать.

См. Руководства

Учебники показывают, как использовать TensorFlow с полными сквозными примерами.

См. Руководство

Руководства объясняют концепции и компоненты TensorFlow.

Для начинающих

Лучше всего начать с удобного последовательного API. Вы можете создавать модели, соединяя строительные блоки. Запустите приведенный ниже пример «Hello World», а затем посетите учебные пособия, чтобы узнать больше.

Чтобы изучить ML, посетите нашу образовательную страницу . Начните с тщательно подобранных учебных программ, чтобы улучшить свои навыки в основных областях машинного обучения.

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)

Для экспертов

API создания подклассов предоставляет интерфейс определения за запуском для расширенных исследований. Создайте класс для своей модели, затем обязательно напишите прямой проход. С легкостью создавайте собственные слои, активации и обучающие циклы. Запустите приведенный ниже пример «Hello World», а затем посетите учебные пособия, чтобы узнать больше.

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))

Решения общих проблем

Изучите пошаговые руководства, которые помогут вам в ваших проектах.

Для начинающих
Ваша первая нейронная сеть

Обучите нейронную сеть классифицировать изображения одежды, например кроссовок и рубашек, в этом динамичном обзоре полной программы TensorFlow.

Для экспертов
Генеративные состязательные сети

Обучите генеративную враждебную сеть генерировать изображения рукописных цифр с помощью API подклассов Keras.

Для экспертов
Нейронный машинный перевод с вниманием

Обучите модель от последовательности к последовательности для перевода с испанского на английский с помощью API подклассов Keras.

Новости и объявления

Следите за обновлениями в нашем блоге и подпишитесь на нашу ежемесячную новостную рассылку TensorFlow, чтобы получать последние объявления прямо на ваш почтовый ящик.

14 июля 2020 г.
Демо LipSync от YouTube с TensorFlow.js

Посмотрите, насколько хорошо вы синхронизируете слова из популярного хита «Dance Monkey». Этот интерфейс в браузере использует модель Facemesh для оценки ключевых точек вокруг губ для оценки точности синхронизации губ.

10 июля 2020 г.  
TensorFlow 2 соответствует API обнаружения объектов

Наша кодовая база предлагает тесную интеграцию Keras, доступ к стратегиям распространения, простую отладку с активным выполнением - все, что можно ожидать от кодовой базы TensorFlow 2.

8 июля 2020 г.  
TensorFlow 2.3 уже здесь!

TensorFlow 2.3 демонстрирует новые функции в tf.data для устранения узких мест в конвейере ввода и экономии ресурсов, экспериментальные уровни предварительной обработки Keras для предварительной обработки данных и новые инструменты TF Profiler.

26 июня 2020 г.
Узнайте, как настроить предварительно обученную модель BERT

В этом новом руководстве показана готовая реализация обучения с передачей текста с помощью BERT, разработанная, чтобы вы могли изменить или переобучить его с нуля.