Samouczki TensorFlow są napisane jako notatniki Jupyter i uruchamiane bezpośrednio w Google Colab — hostowanym środowisku notatników, które nie wymaga konfiguracji. U góry każdego samouczka zobaczysz przycisk Uruchom w Google Colab . Kliknij przycisk, aby otworzyć notatnik i samodzielnie uruchomić kod.

Najlepszym miejscem do rozpoczęcia jest przyjazny dla użytkownika sekwencyjny interfejs API Keras. Buduj modele, łącząc ze sobą klocki. Po tych samouczkach przeczytaj przewodnik Keras .
To "Witaj świecie!" notatnik pokazuje Keras Sequential API i model.fit .
Ta kolekcja notatników przedstawia podstawowe zadania uczenia maszynowego przy użyciu Keras.
W tych samouczkach tf.data jest używany do ładowania różnych formatów danych i tworzenia potoków wejściowych.
Funkcjonalne i podklasowe API Keras zapewniają interfejs definiowania po uruchomieniu do dostosowywania i zaawansowanych badań. Zbuduj swój model, a następnie napisz przebieg do przodu i do tyłu. Twórz niestandardowe warstwy, aktywacje i pętle treningowe.
To "Witaj świecie!" notebook korzysta z interfejsu API podklas Keras i niestandardowej pętli szkoleniowej.
Ta kolekcja notatników pokazuje, jak tworzyć niestandardowe warstwy i pętle treningowe w TensorFlow.
Dystrybuuj trenowanie modelu na wielu procesorach graficznych, wielu maszynach lub jednostkach TPU.
Sekcja Zaawansowane zawiera wiele przykładów zeszytów pouczających, w tym tłumaczenie maszynowe Neural , Transformers i CycleGAN .
Obejrzyj te filmy, aby zapoznać się z wprowadzeniem do uczenia maszynowego z TensorFlow:
Eksploruj biblioteki, aby budować zaawansowane modele lub metody za pomocą TensorFlow, i uzyskaj dostęp do pakietów aplikacji specyficznych dla domeny, które rozszerzają TensorFlow. To jest przykład samouczków dostępnych dla tych projektów.
Subskrybuj bloga TensorFlow , kanał YouTube i Twitter , aby otrzymywać najnowsze aktualizacje.