Join us at TensorFlow World, Oct 28-31. Use code TF20 for 20% off select passes. Register now

开始使用 TensorFlow

TensorFlow 是一个用于研究和生产的开源机器学习库。TensorFlow 提供了各种 API,可供初学者和专家在桌面、移动、网络和云端环境下进行开发。请参阅以下几部分,了解如何开始使用。

import tensorflow as tf
mnist = tf.keras.datasets.mnist

(x_train, y_train),(x_test, y_test) = mnist.load_data()
x_train, x_test = x_train / 255.0, x_test / 255.0

model = tf.keras.models.Sequential([
  tf.keras.layers.Flatten(input_shape=(28, 28)),
  tf.keras.layers.Dense(512, activation=tf.nn.relu),
  tf.keras.layers.Dropout(0.2),
  tf.keras.layers.Dense(10, activation=tf.nn.softmax)
])
model.compile(optimizer='adam',
              loss='sparse_categorical_crossentropy',
              metrics=['accuracy'])

model.fit(x_train, y_train, epochs=5)
model.evaluate(x_test, y_test)

学习和使用机器学习

高阶 Keras API 提供了用于创建和训练深度学习模型的构造块。请先查看以下适合初学者的笔记本示例,然后阅读 TensorFlow Keras 指南

  1. 基本分类
  2. 文本分类
  3. 回归
  4. 过拟合和欠拟合
  5. 保存和加载

研究和实验

即刻执行提供了由运行定义的命令式高级操作接口。通过自动微分编写自定义层、前向传播和训练循环。请先查看下面的笔记本,然后阅读即刻执行指南

  1. 即刻执行基础知识
  2. 自动微分和梯度记录
  3. 自定义训练:基础知识
  4. 自定义层
  5. 自定义训练:演示

生产规模下的机器学习

Estimator 可在生产环境中用多台机器训练大型模型。TensorFlow 提供了一组预创建的 Estimator 来实现常见的机器学习算法。请参阅 Estimator 指南

  1. 使用 Estimator 构建线性模型
  2. 使用 Estimator 进行宽度与深度学习
  3. 提升树
  4. 如何使用 TF-Hub 构建简单的文本分类器
  5. 使用 Estimator 构建卷积神经网络

Google Colab:学习和使用 TensorFlow 的一种简单方式

Colaboratory 是一个 Google 研究项目,旨在帮助传播机器学习培训和研究成果。它是一个 Jupyter 笔记本环境,不需要进行任何设置就可以使用,并且完全在云端运行。 阅读博文

构建首个机器学习应用

创建和部署网页版和移动版 TensorFlow 模型。

网络开发者

TensorFlow.js 是一个采用 WebGL 加速技术的 JavaScript 库,用于在浏览器中使用 Node.js 训练和部署机器学习模型。

移动开发者

TensorFlow Lite 是针对移动设备和嵌入式设备提供的精简解决方案。

视频和动态

订阅 TensorFlow YouTube 频道博客,获取最新视频和动态。

开始使用 TensorFlow 的高阶 API

即刻执行

tf.data:快速、灵活且易于使用的输入流水线