Diese Seite wurde von der Cloud Translation API übersetzt.
Switch to English

Die TensorFlow-Tutorials sind als Jupyter-Notizbücher geschrieben und werden direkt in Google Colab ausgeführt - einer gehosteten Notizbuchumgebung, für die keine Einrichtung erforderlich ist. Klicken Sie auf die Schaltfläche In Google Colab ausführen.

Der beste Ausgangspunkt ist die benutzerfreundliche sequentielle Keras-API. Erstellen Sie Modelle, indem Sie Bausteine ​​zusammenstecken. Lesen Sie nach diesen Tutorials die Keras-Anleitung .
Dieses "Hallo Welt!" Das Notebook zeigt die Keras Sequential API und model.fit .
Diese Notizbuchsammlung zeigt grundlegende maschinelle Lernaufgaben mit Keras.
Diese Tutorials verwenden tf.data , um verschiedene Datenformate zu laden und Eingabe-Pipelines zu erstellen.
Die Keras-Funktions- und Unterklassen-APIs bieten eine definierbare Schnittstelle für die Anpassung und erweiterte Forschung. Erstellen Sie Ihr Modell und schreiben Sie den Vorwärts- und Rückwärtsdurchlauf. Erstellen Sie benutzerdefinierte Ebenen, Aktivierungen und Trainingsschleifen.
Dieses "Hallo Welt!" Notebook verwendet die Keras-Unterklassen-API und eine benutzerdefinierte Trainingsschleife.
Diese Notizbuchsammlung zeigt, wie Sie benutzerdefinierte Ebenen und Trainingsschleifen in TensorFlow erstellen.
Verteilen Sie Ihr Modelltraining auf mehrere GPUs, mehrere Maschinen oder TPUs.
Der Abschnitt "Erweitert" enthält viele Beispiele für Lehrbücher , darunter " Neuronale maschinelle Übersetzung" , " Transformers" und " CycleGAN" .
Abonnieren Sie den TensorFlow-Blog , den YouTube-Kanal und Twitter, um die neuesten Updates zu erhalten.
Durchsuchen Sie Bibliotheken , um mithilfe von TensorFlow erweiterte Modelle oder Methoden zu erstellen, und greifen Sie auf domänenspezifische Anwendungspakete zu, die TensorFlow erweitern. Dies ist ein Beispiel für die für diese Projekte verfügbaren Tutorials.