Các API lõi TensorFlow cung cấp một tập hợp các API cấp thấp toàn diện, có thể kết hợp và có thể mở rộng để tính toán hiệu suất cao (phân tán và tăng tốc), chủ yếu nhằm mục đích xây dựng các mô hình học máy (ML) cũng như tạo ra các công cụ và khuôn khổ quy trình công việc ML trong Nền tảng TensorFlow. Các API này cung cấp nền tảng để tạo các mô hình có cấu hình cao với khả năng kiểm soát chi tiết và các khung mới ngay từ đầu.
Các API cốt lõi có thể được sử dụng thay thế cho các API máy học cấp cao như Keras. Các API cấp cao này phù hợp nhất cho nhu cầu học máy nói chung. Họ cung cấp nhiều mô-đun trừu tượng hóa sự phức tạp của ML đồng thời cung cấp các chức năng để tùy chỉnh thông qua phân lớp con. Nếu bạn đang tìm kiếm thông tin tổng quan về TensorFlow bằng Keras, hãy xem phần Quickstarts và Keras trong hướng dẫn .
Ai nên sử dụng API cốt lõi
Các API cấp thấp của TensorFlow Core được thiết kế dành cho các nhà phát triển ML sau:
- Các nhà nghiên cứu xây dựng các mô hình phức tạp với mức độ cấu hình cao
- Các nhà phát triển quan tâm đến việc sử dụng TensorFlow như một nền tảng điện toán khoa học hiệu suất cao
- Các tác giả khung xây dựng các công cụ trên nền tảng TensorFlow
- Người dùng API cấp cao quan tâm đến:
- Thêm các chức năng bổ sung vào quy trình học máy của họ, chẳng hạn như lớp tùy chỉnh, tổn thất, mô hình và trình tối ưu hóa
- Tìm hiểu thêm về hoạt động bên trong của các mô hình của họ
Các ứng dụng API cốt lõi
API cốt lõi của TensorFlow cung cấp quyền truy cập vào chức năng cấp thấp trong hệ sinh thái TensorFlow. API này cung cấp khả năng kiểm soát và linh hoạt hơn để xây dựng các mô hình, ứng dụng và công cụ ML so với các API cấp cao, chẳng hạn như Keras.
Xây dựng mô hình và quy trình công việc
Các API lõi được sử dụng phổ biến nhất để xây dựng các quy trình và mô hình máy học được tối ưu hóa và có khả năng tùy chỉnh cao. Dưới đây là một số cách mà API TensorFlow Core có thể cải thiện các mô hình máy học và phát triển quy trình làm việc của bạn:
- Xây dựng các mô hình hoặc lớp phi truyền thống không hoàn toàn phù hợp với cấu trúc được API cấp cao hỗ trợ
- Xây dựng các lớp, tổn thất, mô hình và trình tối ưu hóa tùy chỉnh trong Keras
- Thực hiện các kỹ thuật tối ưu hóa mới để tăng tốc độ hội tụ trong quá trình đào tạo
- Tạo số liệu tùy chỉnh để đánh giá hiệu suất
- Thiết kế các vòng đào tạo có khả năng định cấu hình cao với sự hỗ trợ cho các tính năng như chiến lược tạo gói, xác thực chéo và phân phối
Xây dựng khung và công cụ
API lõi TensorFlow cũng có thể đóng vai trò là khối xây dựng cho các khung cấp cao mới. Dưới đây là một số ví dụ về các công cụ và khung được tạo bằng API cấp thấp: 
- Keras : học sâu cho con người
- Bộ công cụ tối ưu hóa mô hình TensorFlow : một bộ công cụ để tối ưu hóa các mô hình ML để triển khai và thực thi
- TensorFlow Graphics : một thư viện để làm cho các chức năng đồ họa hữu ích có thể truy cập rộng rãi
Xây dựng cho máy tính khoa học
Các API TensorFlow Core cũng có thể được áp dụng bên ngoài lĩnh vực máy học. Dưới đây là một vài trường hợp sử dụng cho mục đích chung của TensorFlow cho điện toán khoa học: 
- Mô phỏng vật lý cho các bài toán cơ học chất rắn và động lực học chất lỏng
- Các ứng dụng kết xuất đồ họa như dò tia
- Giải quyết các vấn đề tối ưu hóa bị ràng buộc
Các thành phần API cốt lõi
Dưới đây là một số thành phần cơ bản bao gồm các API cấp thấp của TensorFlow Core. Lưu ý rằng đây không phải là danh sách bao gồm tất cả:
- Cấu trúc dữ liệu :
tf.Tensor,tf.Variable,tf.TensorArray - API nguyên thủy:
tf.shape, slicer ,tf.concat,tf.bitwise - Số:
tf.math,tf.linalg,tf.random - Các thành phần chức năng:
tf.function,tf.GradientTape - Phân phối: Dtensor
- Xuất:
tf.saved_model
Bước tiếp theo
Tài liệu Build with Core cung cấp hướng dẫn về các khái niệm máy học cơ bản từ đầu. Các hướng dẫn trong phần này giúp bạn cảm thấy thoải mái khi viết mã cấp thấp bằng API lõi mà sau đó bạn có thể áp dụng cho các trường hợp sử dụng phức tạp hơn của riêng mình.
Để bắt đầu sử dụng và tìm hiểu thêm về các API cốt lõi, hãy xem phần Bắt đầu nhanh cho TensorFlow Core .