המדריכים של TensorFlow כתובים כמחברות Jupyter ופועלות ישירות ב-Google Colab - סביבת מחברת מתארחת שאינה דורשת הגדרה. לחץ על הלחצן הפעל ב-Google Colab .

למתחילים

המקום הטוב ביותר להתחיל הוא עם ה-API הרציף הידידותי למשתמש של Keras. בנה מודלים על ידי חיבור אבני בניין. לאחר מדריכים אלה, קרא את מדריך Keras .
זה "שלום, עולם!" המחברת מציגה את Keras Sequential API ו- model.fit .
אוסף מחברת זה מדגים משימות בסיסיות של למידת מכונה באמצעות Keras.
מדריכים אלה משתמשים ב- tf.data כדי לטעון פורמטים שונים של נתונים ולבנות צינורות קלט.

למומחים

ממשק ה-API הפונקציונלי ותת-הסיווג של Keras מספקים ממשק מוגדר לפי הפעלה להתאמה אישית ומחקר מתקדם. בנה את המודל שלך, ולאחר מכן כתוב את המעבר קדימה ואחורה. צור שכבות, הפעלות ולולאות אימון מותאמות אישית.
זה "שלום, עולם!" המחברת משתמשת ב-Keras subclassing API ובלולאת אימון מותאמת אישית.
אוסף מחברות זה מראה כיצד לבנות שכבות מותאמות אישית ולולאות אימון ב-TensorFlow.
חלק את הדרכת המודל שלך על פני מספר GPUs, מספר מכונות או TPUs.
בחלק המתקדם יש דוגמאות רבות של מחברות מאלפות, כולל תרגום מכונה עצבי , רובוטריקים ו- CycleGAN .

עדכוני וידאו ובלוגים

הירשם לבלוג TensorFlow , לערוץ YouTube ולטוויטר לקבלת העדכונים האחרונים.

מבוא ללמידת מכונה

קרא בבלוג TensorFlow
קרא בבלוג TensorFlow

סטנדרטיזציה ב-Keras: הנחיות לגבי ממשקי API ברמה גבוהה ב-TensorFlow 2

קרא בבלוג TensorFlow

ספריות והרחבות

חקור ספריות כדי לבנות מודלים או שיטות מתקדמות באמצעות TensorFlow, וקבל גישה לחבילות יישומים ספציפיות לדומיין שמרחיבות את TensorFlow. זוהי דוגמה מהמדריכים הזמינים עבור פרויקטים אלה.