Bibliotheken & Erweiterungen
Erkunden Sie Bibliotheken, um mithilfe von TensorFlow erweiterte Modelle oder Methoden zu erstellen, und greifen Sie auf domänenspezifische Anwendungspakete zu, die TensorFlow erweitern.
Eine Bibliothek für wiederverwendbares maschinelles Lernen. Laden Sie die neuesten trainierten Modelle mit minimalem Codeaufwand herunter und verwenden Sie sie wieder.
Das TensorFlow Model Optimization Toolkit ist eine Suite von Tools zur Optimierung von ML-Modellen für die Bereitstellung und Ausführung.
Eine Bibliothek zum Erstellen von Empfehlungssystemmodellen.
Eine Bibliothek für flexible, kontrollierte und interpretierbare ML-Lösungen mit vernünftigen Formbeschränkungen.
Eine Bibliothek mit Computergrafikfunktionen, die von Kameras, Lichtern und Materialien bis hin zu Renderern reicht.
Ein Open-Source-Framework für maschinelles Lernen und andere Berechnungen mit dezentralen Daten.
TensorFlow Probability ist eine Bibliothek für probabilistisches Denken und statistische Analysen.
Tensor2Tensor ist eine Bibliothek von Deep-Learning-Modellen und -Datensätzen, die entwickelt wurde, um Deep Learning zugänglicher zu machen und die ML-Forschung zu beschleunigen.
Eine Python-Bibliothek, die Implementierungen von TensorFlow-Optimierern zum Trainieren von Modellen für maschinelles Lernen mit unterschiedlichem Datenschutz enthält.
Eine Bibliothek für Reinforcement Learning in TensorFlow.
Ein Forschungsrahmen für das schnelle Prototyping von Reinforcement-Learning-Algorithmen.
TRFL (ausgesprochen „Trüffel“) ist eine Bibliothek für Reinforcement Learning-Bausteine, die von DeepMind erstellt wurden.
Eine Sprache für verteiltes Deep Learning, die eine breite Klasse von verteilten Tensorberechnungen spezifizieren kann.
Erleichtert das Speichern und Bearbeiten von Daten mit uneinheitlicher Form, einschließlich Text (Wörter, Sätze, Zeichen) und Stapel mit variabler Länge.
Unterstützt das Arbeiten mit Unicode-Text direkt in TensorFlow.
TensorFlow Ranking ist eine Bibliothek für Learning-to-Rank (LTR)-Techniken auf der TensorFlow-Plattform.
Magenta ist ein Forschungsprojekt, das die Rolle des maschinellen Lernens im Prozess der Kunst- und Musikschöpfung untersucht.
Nucleus ist eine Bibliothek mit Python- und C++-Code, die das Lesen, Schreiben und Analysieren von Daten in gängigen Genomik-Dateiformaten wie SAM und VCF erleichtert.
Eine Bibliothek von DeepMind zum Aufbau neuronaler Netze.
Ein Lernframework zum Trainieren neuronaler Netze durch die Nutzung strukturierter Signale zusätzlich zu den Funktionseingaben.
Zusätzliche Funktionalität für TensorFlow, verwaltet von SIG Addons.
Dataset-, Streaming- und Dateisystemerweiterungen, verwaltet von SIG IO.
TensorFlow Quantum ist eine Quanten-Machine-Learning-Bibliothek für das schnelle Prototyping von hybriden quantenklassischen ML-Modellen.
Optimieren und generieren Sie Modellkarten – Machine-Learning-Dokumente, die Kontext und Transparenz für die Entwicklung und Leistung eines Modells bieten.
Eine Bibliothek zum Erstellen und Trainieren von Modellen, die Benutzerschäden aufgrund zugrunde liegender Leistungsverzerrungen reduziert oder eliminiert.
Eine Bibliothek, die eine einfache Berechnung von allgemein identifizierten Fairness-Metriken für binäre und Mehrklassen-Klassifikatoren ermöglicht.
TensorFlow Cloud ist eine Bibliothek, um Ihre lokale Umgebung mit Google Cloud zu verbinden.
Modernste Algorithmen zum Trainieren, Bereitstellen und Interpretieren von Modellen, die Entscheidungswälder zur Klassifizierung, Regression und Rangfolge verwenden.
Eine Sammlung text- und NLP-bezogener Klassen und Operationen, die mit TensorFlow 2 verwendet werden können.