Inizia con TensorFlow
TensorFlow semplifica la creazione di modelli ML eseguibili in qualsiasi ambiente. Scopri come utilizzare le API intuitive attraverso esempi di codice interattivi.
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)
Risolvi problemi del mondo reale con il machine learning
Esplora esempi di come TensorFlow viene utilizzato per promuovere la ricerca e creare applicazioni basate sull'intelligenza artificiale.

Le GNN possono elaborare relazioni complesse tra oggetti, rendendole una potente tecnica per la previsione del traffico, la scoperta medica e altro ancora.

Scopri come LiteRT (in precedenza TensorFlow Lite) consente l'accesso alla valutazione ecografica fetale, migliorando i risultati sanitari per le donne e le famiglie in Kenya e nel mondo.


Scopri come Spotify utilizza l'ecosistema TensorFlow per progettare un simulatore offline estensibile e addestrare gli agenti RL a generare playlist.
Novità in TensorFlow
Leggi gli ultimi annunci del team e della community di TensorFlow.
Esplora l'ecosistema
Scopri strumenti testati in produzione per accelerare la modellazione, la distribuzione e altri flussi di lavoro.
Biblioteca
TensorFlow.js
Addestra ed esegui modelli direttamente nel browser utilizzando JavaScript o Node.js.
Biblioteca
LiteRT
Distribuisci il machine learning su dispositivi mobili ed edge come Android, iOS, Raspberry Pi ed Edge TPU.
API
tf.data
Preelabora i dati e crea pipeline di input per i modelli ML.
Biblioteca
TFX
Crea pipeline di machine learning di produzione e implementa le best practice MLOps.
API
tf.keras
Crea modelli ML con l'API di alto livello di TensorFlow.