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 .

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 מראה 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.
ממשקי ה- API הפונקציונליים של Keras ותת-סיווג מספקים ממשק להגדרה לפי התאמה אישית ומחקר מתקדם. בנה את המודל שלך, ואז כתוב את המעבר קדימה ואחורה. צור שכבות מותאמות אישית, הפעלות ולולאות אימון.
זה "שלום עולם!" המחברת משתמשת ב- API של סיווג המשנה 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 מלמדים, כולל תרגום מכונה עצבית , רובוטריקים ו- CycleGAN .
הירשם בלוג TensorFlow , ערוץ YouTube , ואת טוויטר את העדכונים האחרונים.
חקור ספריות כדי לבנות מודלים מתקדמים או שיטות באמצעות TensorFlow, וגש לחבילות יישומים ספציפיות לתחום המרחיבות את TensorFlow. זהו מדגם של ההדרכות הקיימות עבור פרויקטים אלה.