Biblioteki i rozszerzenia
Przeglądaj biblioteki do tworzenia zaawansowanych modeli lub metod przy użyciu TensorFlow i uzyskuj dostęp do pakietów aplikacji specyficznych dla domeny, które rozszerzają TensorFlow.
Najnowocześniejsze algorytmy do uczenia, obsługi i interpretacji modeli wykorzystujących lasy decyzyjne do klasyfikacji, regresji i rankingu.
Biblioteka do uczenia maszynowego wielokrotnego użytku. Pobierz i ponownie wykorzystuj najnowsze przeszkolone modele przy minimalnej ilości kodu.
TensorFlow Model Optimization Toolkit to zestaw narzędzi do optymalizacji modeli ML na potrzeby wdrażania i wykonywania.
Biblioteka do budowania modeli systemu rekomendacyjnego.
Biblioteka dla elastycznych, kontrolowanych i interpretowalnych rozwiązań ML ze zdroworozsądkowymi ograniczeniami kształtu.
Biblioteka funkcji grafiki komputerowej, od kamer, świateł i materiałów po renderery.
Platforma typu open source do uczenia maszynowego i innych obliczeń na zdecentralizowanych danych.
TensorFlow Probability to biblioteka do wnioskowania probabilistycznego i analizy statystycznej.
Tensor2Tensor to biblioteka modeli głębokiego uczenia się i zestawów danych zaprojektowana w celu zwiększenia dostępności głębokiego uczenia się i przyspieszenia badań ML.
Biblioteka języka Python zawierająca implementacje optymalizatorów TensorFlow do uczenia modeli uczenia maszynowego z różnicową prywatnością.
Biblioteka do uczenia się przez wzmacnianie w TensorFlow.
Ramy badawcze do szybkiego prototypowania algorytmów uczenia się przez wzmacnianie.
TRFL (wymawiane jako „trufla”) to biblioteka bloków budulcowych uczenia się przez wzmacnianie, stworzona przez DeepMind.
Język do rozproszonego głębokiego uczenia się, zdolny do określania szerokiej klasy rozproszonych obliczeń tensorowych.
Ułatwia przechowywanie i przetwarzanie danych o niejednolitym kształcie, w tym tekstu (słów, zdań, znaków) i partii o różnej długości.
Obsługuje pracę z tekstem Unicode bezpośrednio w TensorFlow.
Ranking TensorFlow to biblioteka technik uczenia się do rangi (LTR) na platformie TensorFlow.
Magenta to projekt badawczy badający rolę uczenia maszynowego w procesie tworzenia sztuki i muzyki.
Nucleus to biblioteka kodu Python i C++ zaprojektowana w celu ułatwienia odczytu, zapisu i analizy danych w popularnych formatach plików genomicznych, takich jak SAM i VCF.
Biblioteka firmy DeepMind do budowy sieci neuronowych.
Ramy uczenia się do trenowania sieci neuronowych poprzez wykorzystanie sygnałów strukturalnych oprócz danych wejściowych funkcji.
Dodatkowa funkcjonalność dla TensorFlow, utrzymywana przez SIG Addons.
Zbiór danych, przesyłanie strumieniowe i rozszerzenia systemu plików obsługiwane przez SIG IO.
TensorFlow Quantum to biblioteka kwantowego uczenia maszynowego do szybkiego prototypowania hybrydowych kwantowo-klasycznych modeli ML.
Usprawniaj i generuj karty modeli — dokumenty uczenia maszynowego, które zapewniają kontekst i przejrzystość w rozwoju i wydajności modelu.
Biblioteka pomagająca tworzyć i trenować modele w sposób zmniejszający lub eliminujący szkody dla użytkownika wynikające z odchyleń w wydajności.
Biblioteka, która umożliwia łatwe obliczanie powszechnie identyfikowanych metryk rzetelności dla klasyfikatorów binarnych i wieloklasowych.
TensorFlow Cloud to biblioteka do łączenia lokalnego środowiska z Google Cloud.
Zbiór klas i operacji związanych z tekstem i NLP, gotowych do użycia z TensorFlow 2.