TensorFlow 是用於機器學習的端對端開放原始碼平台

無論你是新手還是專家,TensorFlow 都能讓你輕鬆建立機器學習模型。如要開始使用,請參閱下列各節。

查看教學課程

教學課程會示範如何使用 TensorFlow,內容包含完整的端對端範例。

參閱指南

說明 TensorFlow 概念與元件的指南。

適合新手

建議可以先從容易使用的 Sequential API 著手。將各種構成要素湊在一起,就能建立模型。請執行下方的「Hello World」範例,然後前往教學課程瞭解詳情。

如要自學機器學習,請參考我們的教育資源頁面。從精選課程著手,精進自己在機器學習基礎領域的技能。

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)

適合專家

Subclassing API 提供了執行時才定義的介面,可用於進階的研究。先建立模型的類別,然後寫入必要的正向傳遞。輕鬆撰寫自訂層、啟動項目,以及訓練迴圈。請執行下方的「Hello World」範例,然後前往 教學課程 瞭解詳情。

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))

常見問題的解決方案

探索可協助你完成專案的逐步教學課程。

適合新手
你的第一個類神經網路

在這個 TensorFlow 完整計畫的快速總覽中,訓練類神經網路將衣物 (例如運動鞋和襯衫) 的圖片分類。

適合專家
生成對抗網路

使用 Keras Subclassing API 來訓練生成對抗網路,產生手寫數字的影像。

適合專家
小心進行神經機器翻譯

使用 Keras Subclassing API,訓練序列至序列的模型將西班牙文翻譯成英文。

最新消息與公告

請前往我們的網誌查看其他最新消息,並訂閱我們每月發行的 TensorFlow 電子報,讓最新的公告直接寄到你的收件匣。

2020 年 3 月 12 日 
Learning to read with TensorFlow and Keras (TF Dev Summit '20)

自然語言處理 (NLP) 的發展突飛猛進,本次討論會說明 TensorFlow 和 Keras 如何協助你輕鬆進行預先處理、訓練以及運用 Hypertune 調整文字模型。

Continue
2020 年 2 月 10 日 
TensorFlow Lattice 簡介

這個程式庫是用於訓練受到限制且以晶格為基礎的可解釋模型。透過常識或政策導向的形狀限制,將領域知識注入學習程序。

2019 年 5 月 8 日 
開始使用 TensorFlow 2 (2019 年 I/O 大會)

無論你是新手還是專家,都能透過程式碼範例瞭解全新且容易使用的 API,也可以瞭解專案的 Keras Sequential API、Functional API 和 Subclassing API。

Continue