דף זה תורגם על ידי Cloud Translation API.
Switch to English

מדריכי TensorFlow כתובים כמחברות Jupyter ומופעלים ישירות ב- Google Colab - סביבת מחשב מארח שאינה דורשת התקנה. לחץ על הלחצן הפעל ב- Google Colab .

למתחילים

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

למומחים

ממשקי ה- API הפונקציונליים של Keras ותת-סיווג מספקים ממשק להגדרה לפי ריצה להתאמה אישית ומחקר מתקדם. בנה את המודל שלך, ואז כתוב את המעבר קדימה ואחורה. צור שכבות מותאמות אישית, הפעלות ולולאות אימון.
זה "שלום עולם!" מחברת משתמשת ב- API של תת-סיווג של Keras ולולאת אימונים מותאמת אישית.
אוסף מחברות זה מראה כיצד לבנות שכבות מותאמות אישית ולולאות אימון ב- TensorFlow.
הפץ את אימון המודל שלך על פני מספר GPUs, מספר מכונות או TPU.
בחלק המתקדם יש דוגמאות רבות למחשבים מאלפים, כולל תרגום מכונה עצבית , רובוטריקים ו- CycleGAN .

עדכוני וידאו ובלוגים

הירשם בלוג TensorFlow , ערוץ YouTube , ואת טוויטר את העדכונים האחרונים.

מבוא ללמידת מכונה

קרא בבלוג TensorFlow
קרא בבלוג TensorFlow
קרא בבלוג TensorFlow

ספריות והרחבות

חקור ספריות כדי לבנות מודלים או שיטות מתקדמים באמצעות TensorFlow, וגש לחבילות יישומים ספציפיות לתחום המרחיבות את TensorFlow. זהו מדגם של ההדרכות הקיימות עבור פרויקטים אלה.