Las API principales de TensorFlow proporcionan un conjunto de API de bajo nivel completas, componibles y extensibles para computación de alto rendimiento (distribuida y acelerada), destinadas principalmente a la creación de modelos de aprendizaje automático (ML), así como a la creación de marcos y herramientas de flujo de trabajo de ML dentro de la Plataforma TensorFlow. Estas API proporcionan una base para crear modelos altamente configurables con un control detallado y nuevos marcos desde cero.
Las API principales se pueden usar como una alternativa a las API de aprendizaje automático de alto nivel como Keras. Estas API de alto nivel son las más adecuadas para las necesidades generales de aprendizaje automático. Ofrecen una variedad de módulos que abstraen las complejidades de ML al mismo tiempo que ofrecen funcionalidades para la personalización a través de subclases. Si está buscando una descripción general de TensorFlow con Keras, consulte las secciones Guías de inicio rápido y Keras en los tutoriales .
Quién debería usar las API principales
Las API de bajo nivel de TensorFlow Core están diseñadas teniendo en cuenta a los siguientes desarrolladores de ML:
- Investigadores que construyen modelos complejos con altos niveles de configurabilidad
- Desarrolladores interesados en usar TensorFlow como plataforma informática científica de alto rendimiento
- Autores de marcos que crean herramientas sobre la plataforma TensorFlow
- Usuarios de API de alto nivel interesados en:
- Agregar funcionalidades adicionales a sus flujos de trabajo de aprendizaje automático, como capas personalizadas, pérdidas, modelos y optimizadores
- Aprender más sobre el funcionamiento interno de sus modelos.
Aplicaciones principales de la API
Las API principales de TensorFlow brindan acceso a la funcionalidad de bajo nivel dentro del ecosistema de TensorFlow. Esta API proporciona más flexibilidad y control para crear modelos, aplicaciones y herramientas de ML, en comparación con las API de alto nivel, como Keras.
Cree modelos y flujos de trabajo
Las API principales se utilizan con mayor frecuencia para crear flujos de trabajo y modelos de aprendizaje automático altamente personalizables y optimizados. Estas son algunas de las formas en que las API principales de TensorFlow pueden mejorar sus modelos de aprendizaje automático y el desarrollo de flujos de trabajo:
- Creación de modelos o capas no tradicionales que no se ajustan completamente a las estructuras compatibles con las API de alto nivel
- Creación de capas, pérdidas, modelos y optimizadores personalizados dentro de Keras
- Implementación de nuevas técnicas de optimización para acelerar la convergencia durante el entrenamiento
- Creación de métricas personalizadas para la evaluación del rendimiento
- Diseño de bucles de entrenamiento altamente configurables con soporte para características como estrategias de distribución, validación cruzada y procesamiento por lotes
Crear marcos y herramientas
Las API principales de TensorFlow también pueden servir como componentes básicos para nuevos marcos de trabajo de alto nivel. Estos son algunos ejemplos de herramientas y marcos que se crean con las API de bajo nivel: 
- Keras : aprendizaje profundo para humanos
- TensorFlow Model Optimization Toolkit : un conjunto de herramientas para optimizar los modelos ML para su implementación y ejecución
- TensorFlow Graphics : una biblioteca para hacer que las funciones gráficas útiles sean ampliamente accesibles
Construido para computación científica
Las API principales de TensorFlow también se pueden aplicar fuera del ámbito del aprendizaje automático. Estos son algunos casos de uso general de TensorFlow para computación científica: 
- Simulaciones físicas para problemas de mecánica de sólidos y dinámica de fluidos
- Aplicaciones de renderizado de gráficos como trazado de rayos
- Resolución de problemas de optimización con restricciones
Componentes principales de la API
Estos son algunos de los componentes fundamentales que componen las API de bajo nivel de TensorFlow Core. Tenga en cuenta que esta no es una lista completa:
- Estructuras de datos:
tf.Tensor,tf.Variable,tf.TensorArray - API primitivas:
tf.shape, slicing ,tf.concat,tf.bitwise - Numérico:
tf.math,tf.linalg,tf.random - Componentes funcionales:
tf.function,tf.GradientTape - Distribución: DTensor
- Exportar:
tf.saved_model
Próximos pasos
La documentación de Build with Core proporciona tutoriales de conceptos básicos de aprendizaje automático desde cero. Los tutoriales de esta sección lo ayudan a familiarizarse con la escritura de código de bajo nivel con las API centrales que luego puede aplicar a sus propios casos de uso más complejos.
Para comenzar a usar y obtener más información sobre las API principales, consulte el Inicio rápido para TensorFlow Core .