TensorFlow 2 koncentruje się na prostocie i łatwości użytkowania, z aktualizacjami, takimi jak szybkie wykonywanie, intuicyjne interfejsy API wyższego poziomu i elastyczne budowanie modeli na dowolnej platformie.
Wiele przewodników jest napisanych jako notatniki Jupyter i działa bezpośrednio w Google Colab — hostowanym środowisku notatników, które nie wymaga konfiguracji. Kliknij przycisk Uruchom w Google Colab .
Niezbędna dokumentacja
Zainstaluj TensorFlow
Zainstaluj pakiet lub kompilację ze źródła. Obsługa GPU dla kart obsługujących CUDA®.Migracja do TensorFlow 2
Dowiedz się, jak przeprowadzić migrację kodu TF1.x do TF2.Keras
Keras to wysokopoziomowy interfejs API, który jest łatwiejszy zarówno dla początkujących, jak i dla badaczy ML.Podstawy TensorFlow
Poznaj podstawowe klasy i funkcje, dzięki którym TensorFlow działa.Potoki wprowadzania danych
Interfejs APItf.data umożliwia tworzenie złożonych potoków wejściowych z prostych elementów wielokrotnego użytku.
Najlepsze praktyki TensorFlow 2
Poznaj najlepsze praktyki efektywnego programowania przy użyciu TensorFlow 2.Zapisz model
Zapisz model TensorFlow za pomocą punktów kontrolnych lub formatu SavedModel.Akceleratory
Dystrybuuj szkolenie na wielu procesorach graficznych, wielu maszynach lub TPU.Wydajność
Najlepsze praktyki i techniki optymalizacji zapewniające optymalną wydajność TensorFlow.Biblioteki i rozszerzenia
Przeglądaj dodatkowe zasoby, aby budować zaawansowane modele lub metody przy użyciu TensorFlow i uzyskuj dostęp do pakietów aplikacji specyficznych dla domeny, które rozszerzają TensorFlow.-
Lasy decyzyjne TensorFlow
Biblioteka do trenowania, uruchamiania i interpretowania modeli lasów decyzyjnych (np. Lasy losowe, drzewa wzmocnione gradientem) w TensorFlow. -
Centrum TensorFlow
Biblioteka do publikowania, odkrywania i używania części wielokrotnego użytku modeli uczenia maszynowego. -
Porcja
System obsługujący TFX dla modeli ML, zaprojektowany z myślą o wysokiej wydajności w środowiskach produkcyjnych. -
Federacja TensorFlow
Ramy uczenia maszynowego i innych obliczeń na zdecentralizowanych danych. -
Uczenie o strukturze neuronowej
Paradygmat uczenia się do trenowania sieci neuronowych poprzez wykorzystanie sygnałów strukturalnych oprócz danych wejściowych funkcji. -
Grafika TensorFlow
Biblioteka funkcji grafiki komputerowej, od kamer, świateł i materiałów po renderery. -
Dodatki SIG
Dodatkowa funkcjonalność dla TensorFlow, utrzymywana przez SIG Addons.
-
TensorBoard
Zestaw narzędzi do wizualizacji do zrozumienia, debugowania i optymalizacji programów TensorFlow. -
Zbiory danych
Zbiór zestawów danych gotowych do użycia z TensorFlow. -
Optymalizacja modelu
TensorFlow Model Optimization Toolkit to zestaw narzędzi do optymalizacji modeli ML na potrzeby wdrażania i wykonywania. -
Prawdopodobieństwo
TensorFlow Probability to biblioteka do wnioskowania probabilistycznego i analizy statystycznej. -
MLIR
MLIR ujednolica infrastrukturę dla wysokowydajnych modeli ML w TensorFlow. -
XLA
Specyficzny dla domeny kompilator algebry liniowej, który przyspiesza modele TensorFlow bez potencjalnie zmian w kodzie źródłowym. -
SIG IO
Zbiór danych, przesyłanie strumieniowe i rozszerzenia systemu plików obsługiwane przez SIG IO.