TensorFlow 2 si concentra sulla semplicità e la facilità d'uso, con aggiornamenti come l'esecuzione desiderosa, API intuitive di livello superiore e creazione di modelli flessibile su qualsiasi piattaforma.
Molte guide sono scritte come notebook Jupyter ed eseguite direttamente in Google Colab, un ambiente notebook ospitato che non richiede alcuna configurazione. Fai clic sul pulsante Esegui in Google Colab .
Documentazione essenziale
Installa TensorFlow
Installa il pacchetto o compila dal sorgente. Supporto GPU per schede abilitate CUDA®.Migra a TensorFlow 2
Scopri come migrare il tuo codice TF1.x in TF2.Cheras
Keras è un'API di alto livello che è più facile per i principianti di ML, così come per i ricercatori.Nozioni di base su TensorFlow
Scopri le classi e le funzionalità fondamentali che fanno funzionare TensorFlow.Pipeline di input dei dati
L'APItf.data
consente di creare pipeline di input complesse da parti semplici e riutilizzabili.
Migliori pratiche di TensorFlow 2
Scopri le migliori pratiche per uno sviluppo efficace utilizzando TensorFlow 2.Salva un modello
Salva un modello TensorFlow utilizzando i checkpoint o il formato SavedModel.Acceleratori
Distribuisci la formazione su più GPU, più macchine o TPU.Prestazione
Migliori pratiche e tecniche di ottimizzazione per prestazioni ottimali di TensorFlow.Biblioteche ed estensioni
Esplora risorse aggiuntive per creare modelli o metodi avanzati utilizzando TensorFlow e accedi a pacchetti applicativi specifici del dominio che estendono TensorFlow.-
Foreste decisionali TensorFlow
Una libreria per l'addestramento, l'esecuzione e l'interpretazione di modelli di foreste decisionali (ad es. foreste casuali, alberi potenziati con gradiente) in TensorFlow. -
Hub TensorFlow
Una libreria per la pubblicazione, la scoperta e il consumo di parti riutilizzabili di modelli di machine learning. -
Servendo
Un sistema di servizio TFX per modelli ML, progettato per prestazioni elevate in ambienti di produzione. -
TensorFlow Federato
Un framework per l'apprendimento automatico e altri calcoli su dati decentralizzati. -
Apprendimento strutturato neurale
Un paradigma di apprendimento per addestrare le reti neurali sfruttando i segnali strutturati oltre agli input delle funzionalità. -
Grafica TensorFlow
Una libreria di funzionalità di computer grafica che vanno da fotocamere, luci e materiali ai renderer. -
Componenti aggiuntivi SIG
Funzionalità extra per TensorFlow, gestita da SIG Addons.
-
TensorBoard
Una suite di strumenti di visualizzazione per comprendere, eseguire il debug e ottimizzare i programmi TensorFlow. -
Set di dati
Una raccolta di set di dati pronti per l'uso con TensorFlow. -
Ottimizzazione del modello
TensorFlow Model Optimization Toolkit è una suite di strumenti per l'ottimizzazione dei modelli ML per la distribuzione e l'esecuzione. -
Probabilità
TensorFlow Probability è una libreria per il ragionamento probabilistico e l'analisi statistica. -
MLIR
MLIR unifica l'infrastruttura per i modelli ML ad alte prestazioni in TensorFlow. -
XLA
Un compilatore specifico del dominio per l'algebra lineare che accelera i modelli TensorFlow potenzialmente senza modifiche al codice sorgente. -
SIG IO
Set di dati, streaming ed estensioni del file system, gestiti da SIG IO.