Комплексная платформа для машинного обучения

Начните работу с TensorFlow

TensorFlow упрощает создание моделей машинного обучения, которые могут работать в любой среде. Узнайте, как использовать интуитивно понятные API-интерфейсы, с помощью интерактивных примеров кода.

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(128, activation='relu'),
  tf.keras.layers.Dropout(0.2),
  tf.keras.layers.Dense(10, activation='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)

Решайте реальные проблемы с помощью ML

Изучите примеры того, как TensorFlow используется для продвижения исследований и создания приложений на базе искусственного интеллекта.

Анализ реляционных данных с помощью графовых нейронных сетей

GNN могут обрабатывать сложные взаимосвязи между объектами, что делает их мощным методом прогнозирования трафика, медицинских открытий и многого другого.

Улучшение доступа к услугам по охране материнского здоровья с помощью машинного обучения на устройстве

Узнайте, как TensorFlow Lite обеспечивает доступ к ультразвуковому исследованию плода, улучшая показатели здоровья женщин и семей в Кении и во всем мире.

Создавайте системы рекомендаций с помощью обучения с подкреплением

Узнайте, как Spotify использует экосистему TensorFlow для разработки расширяемого автономного симулятора и обучения агентов RL созданию списков воспроизведения.

Что нового в TensorFlow

Прочтите последние объявления от команды и сообщества TensorFlow.

  • Инструменты разработчика

    Инструменты для оценки моделей, оптимизации производительности и оптимизации рабочих процессов машинного обучения.