Bu sayfa, Cloud Translation API ile çevrilmiştir.
Switch to English

TensorFlow, makine öğrenimi için uçtan uca açık kaynaklı bir platformdur

TensorFlow, yeni başlayanların ve uzmanların makine öğrenimi modelleri oluşturmasını kolaylaştırır. Başlamak için aşağıdaki bölümlere bakın.

Öğreticilere bakın

Eğiticiler, eksiksiz, uçtan uca örneklerle TensorFlow'u nasıl kullanacağınızı gösterir.

Kılavuzu görün

Kılavuzlar, TensorFlow'un kavramlarını ve bileşenlerini açıklar.

Yeni başlayanlar için

Başlamak için en iyi yer, kullanıcı dostu Sıralı API'dir. Yapı taşlarını bir araya getirerek modeller oluşturabilirsiniz. Aşağıdaki "Merhaba Dünya" örneğini çalıştırın, ardından daha fazla bilgi edinmek için eğiticileri ziyaret edin.

Makine öğrenimi öğrenmek için eğitim sayfamıza göz atın. Temel ML alanlarındaki becerilerinizi geliştirmek için küratörlü müfredatlarla başlayın.

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)

Uzmanlar için

Alt Sınıflandırma API'si, gelişmiş araştırmalar için çalıştırma tanımlı bir arayüz sağlar. Modeliniz için bir sınıf oluşturun, ardından ileri geçişi zorunlu olarak yazın. Özel katmanları, etkinleştirmeleri ve eğitim döngülerini kolayca oluşturun. Aşağıdaki "Merhaba Dünya" örneğini çalıştırın, ardından daha fazla bilgi edinmek için eğiticileri ziyaret edin.

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))

Yaygın sorunlara çözümler

Projelerinizde size yardımcı olacak adım adım öğreticileri keşfedin.

Yeni başlayanlar için
İlk sinir ağınız

Eksiksiz bir TensorFlow programının bu hızlı tempolu genel bakışında spor ayakkabı ve gömlek gibi giysi resimlerini sınıflandırmak için bir sinir ağı eğitin.

Uzmanlar için
Üretken hasım ağları

Keras Alt Sınıflandırma API'sini kullanarak el yazısı rakamların görüntülerini oluşturmak için üretken bir rakip ağı eğitin.

Uzmanlar için
Dikkatle nöral makine çevirisi

Keras Alt Sınıflandırma API'sini kullanarak İspanyolca'dan İngilizce'ye çeviri için sıralı bir model eğitin.

HABERLER & DUYURULAR

Ek güncellemeler için blogumuza göz atın ve en son duyuruları doğrudan gelen kutunuza almak için aylık TensorFlow bültenimize abone olun.

14 Temmuz 2020
TensorFlow.js ile YouTube demosu tarafından LipSync

Popüler hit "Dance Monkey" in sözleriyle ne kadar uyumlu olduğunuzu görün. Bu tarayıcı içi deneyim, dudak senkronizasyon doğruluğunu puanlamak için dudakların etrafındaki önemli noktaları tahmin etmek için Facemesh modelini kullanır.

10 Temmuz 2020  
TensorFlow 2, Object Detection API ile buluşuyor

Kod tabanımız sıkı Keras entegrasyonu, dağıtım stratejilerine erişim, istekli yürütme ile kolay hata ayıklama - TensorFlow 2 kod tabanından beklenebilecek tüm güzellikler sunar.

8 Temmuz 2020  
TensorFlow 2.3 burada!

TensorFlow 2.3, giriş ardışık düzenindeki darboğazları çözmek ve kaynakları korumak için 'tf.data'da yeni özellikler, veri ön işleme için Keras deneysel Ön İşleme Katmanları ve yeni TF Profiler araçları sergiliyor.

26 Haz 2020
Önceden eğitilmiş bir BERT modelinde nasıl ince ayar yapılacağını öğrenin

Bu yeni eğitim, BERT kullanarak metin aktarımı öğreniminin kullanıma hazır bir uygulamasını gösterir ve metni değiştirmenize veya sıfırdan yeniden eğitmenize izin vermek için tasarlanmıştır.