TF 2.0 is out! Get hands-on practice at TF World, Oct 28-31. Use code TF20 for 20% off select passes. Register now
TensorFlow 是一个端到端开源机器学习平台

借助 TensorFlow,初学者和专家可以轻松地创建机器学习模型。请参阅以下几部分,了解如何开始使用。

查看教程

教程将通过完整的端到端示例向您展示如何使用 TensorFlow。

查看指南

指南介绍了 TensorFlow 的概念和组件。

针对新手

您最好从用户友好的 Sequential API 入手。通过将构建块组合在一起来创建模块。请运行下面的“Hello World”示例,然后访问教程以了解详情。

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)
针对专家

Subclassing API 提供了由运行定义的高级研究接口。为您的模型创建一个类,然后以命令方式编写前向传播。您可以轻松编写自定义层、激活函数和训练循环。请运行下面的“Hello World”示例,然后访问教程以了解详情。

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))
常见问题的解决方案

浏览分步教程以帮助您完成项目。

针对新手
您的第一个神经网络

在这一完整 TensorFlow 程序的简要介绍中,训练一个对服饰(例如运动鞋和衬衫)图像进行分类的神经网络。

针对专家
生成对抗网络

使用 Keras Subclassing API 训练生成式对抗网络生成手写数字图像。

针对专家
基于注意力的神经机器翻译

使用 Keras Subclassing API 训练一个序列到序列模型以进行从西班牙语到英语的翻译。

News & announcements

See updates to help you with your work, and subscribe to our monthly TensorFlow newsletter to get the latest announcements sent directly to your inbox.

报名参加 TensorFlow World
2019 年 2 月 27 日 
Upgrading your code to TensorFlow 2

TensorFlow 2 will include many API changes, such as reordering arguments, renaming symbols, and changing default values for parameters. To streamline the changes, the TensorFlow engineering team has created a tf_upgrade_v2 utility that will help transition legacy code to the new API.

2019 年 5 月 8 日 
Getting Started with TensorFlow 2 (I/O'19)

通过代码示例了解面向初学者和专家新推出的用户友好型 API,并了解如何在您的项目中应用 Keras Sequential API、Functional API 和 Subclassing API。

2019 年 6 月 10 日 
TF.Text 来啦!

TF.Text is a TensorFlow 2 library that handles preprocessing regularly found in text-based models, and other features useful for language modeling not provided by core TensorFlow.

社区参与

查看参与 TensorFlow 社区活动的更多方式。

GitHub 上的 TensorFlow 
Ask a question on Stack Overflow 
社区论坛 
仅发布通告的论坛 
分享您的 TensorFlow 故事