หน้านี้ได้รับการแปลโดย Cloud Translation API

ข้อมูลเบื้องต้นเกี่ยวกับ TensorFlow

TensorFlow ช่วยให้ผู้เริ่มต้นและผู้เชี่ยวชาญสร้างโมเดลแมชชีนเลิร์นนิงสำหรับเดสก์ท็อป อุปกรณ์เคลื่อนที่ เว็บ และระบบคลาวด์ได้อย่างง่ายดาย ดูส่วนด้านล่างเพื่อเริ่มต้น

เทนเซอร์โฟลว์

เรียนรู้พื้นฐานของ TensorFlow พร้อมบทแนะนำสำหรับผู้เริ่มต้นและผู้เชี่ยวชาญเพื่อช่วยคุณสร้างโปรเจ็กต์แมชชีนเลิร์นนิงครั้งต่อไป

เรียนรู้เพิ่มเติม

สำหรับเว็บ

ใช้ TensorFlow.js เพื่อสร้างโมเดลแมชชีนเลิร์นนิงใหม่และปรับใช้โมเดลที่มีอยู่ด้วย JavaScript

เรียนรู้เพิ่มเติม

สำหรับมือถือและ Edge

เรียกใช้การอนุมานด้วย LiteRT บนอุปกรณ์เคลื่อนที่และอุปกรณ์แบบฝัง เช่น Android, iOS, Edge TPU และ Raspberry Pi

เรียนรู้เพิ่มเติม

สำหรับการผลิต

ปรับใช้ไปป์ไลน์ ML ที่พร้อมใช้งานจริงสำหรับการฝึกอบรมและการอนุมานโดยใช้ TFX

เรียนรู้เพิ่มเติม

จัดเตรียมและโหลดข้อมูลเพื่อผลลัพธ์ ML ที่ประสบความสำเร็จ

ข้อมูลอาจเป็นปัจจัยที่สำคัญที่สุดในความสำเร็จของความพยายามใน ML ของคุณ TensorFlow มีเครื่องมือข้อมูลมากมายเพื่อช่วยคุณรวบรวม ทำความสะอาด และประมวลผลข้อมูลล่วงหน้าตามขนาด:

ชุดข้อมูลมาตรฐาน สำหรับการฝึกอบรมเบื้องต้นและการตรวจสอบความถูกต้อง
ไปป์ไลน์ข้อมูล ที่ปรับขนาดได้สูงสำหรับการโหลดข้อมูล
การประมวลผลเลเยอร์ล่วงหน้า สำหรับการแปลงอินพุตทั่วไป
เครื่องมือในการ ตรวจสอบ และ แปลง ชุดข้อมูลขนาดใหญ่

นอกจากนี้ เครื่องมือ AI ที่มีความรับผิดชอบ ยังช่วยให้คุณค้นพบและขจัดอคติในข้อมูลของคุณ เพื่อสร้างผลลัพธ์ที่ยุติธรรมและมีจริยธรรมจากแบบจำลองของคุณ

ลองใน Colab

โหลดและประมวลผลชุดข้อมูลรูปภาพล่วงหน้า ตรวจสอบและแสดงภาพชุดข้อมูล

สร้างและปรับแต่งโมเดลด้วยระบบนิเวศ TensorFlow

สำรวจระบบนิเวศทั้งหมดที่สร้างขึ้นบน เฟรมเวิร์กหลัก ที่ช่วยปรับปรุงการสร้างโมเดล การฝึกอบรม และการส่งออก TensorFlow รองรับการฝึกอบรมแบบกระจาย การวนซ้ำโมเดลทันที และการดีบักอย่างง่ายดายด้วย Keras และอื่นๆ อีกมากมาย เครื่องมืออย่าง การวิเคราะห์โมเดล และ TensorBoard ช่วยให้คุณติดตามการพัฒนาและปรับปรุงตลอดวงจรชีวิตของโมเดล

เพื่อช่วยคุณในการเริ่มต้น ค้นหาคอลเล็กชันโมเดลที่ได้รับการฝึกอบรมล่วงหน้าที่ TensorFlow Hub จาก Google และชุมชน หรือการใช้งานโมเดลการวิจัยที่ล้ำสมัยใน Model Garden ไลบรารีส่วนประกอบระดับสูงเหล่านี้ช่วยให้คุณสามารถใช้โมเดลที่มีประสิทธิภาพ และปรับแต่งโมเดลด้วยข้อมูลใหม่ หรือปรับแต่งโมเดลเพื่อทำงานใหม่ได้

ลองใน Colab

ฝึกโครงข่ายประสาทเทียมเพื่อจำแนกภาพ ฝึกตัวแยกประเภทรูปภาพด้วย Transfer Learning

ปรับใช้โมเดลบนอุปกรณ์ ในเบราว์เซอร์ ภายในองค์กร หรือในระบบคลาวด์

TensorFlow มอบความสามารถที่แข็งแกร่งในการปรับใช้โมเดลของคุณในทุกสภาพแวดล้อม - เซิร์ฟเวอร์ อุปกรณ์ Edge เบราว์เซอร์ อุปกรณ์เคลื่อนที่ ไมโครคอนโทรลเลอร์ CPU, GPU, FPGA TensorFlow Serving สามารถเรียกใช้โมเดล ML ในระดับการผลิตบนโปรเซสเซอร์ที่ทันสมัยที่สุดในโลก รวมถึง Tensor Processing Units (TPU) แบบกำหนดเองของ Google

หากคุณต้องการวิเคราะห์ข้อมูลใกล้กับแหล่งที่มาเพื่อลดเวลาแฝงและปรับปรุงความเป็นส่วนตัวของข้อมูล เฟรมเวิร์ก LiteRT ช่วยให้คุณรันโมเดลบนอุปกรณ์เคลื่อนที่ อุปกรณ์ประมวลผล Edge และแม้แต่ไมโครคอนโทรลเลอร์ และเฟรมเวิร์ก TensorFlow.js ช่วยให้คุณรันแมชชีนเลิร์นนิงได้ง่ายๆ เว็บเบราว์เซอร์

ลองใน Colab

ให้บริการโมเดลด้วย TensorFlow Serving

ใช้ MLOps สำหรับ ML การผลิต

แพลตฟอร์ม TensorFlow ช่วยให้คุณใช้แนวทางปฏิบัติที่ดีที่สุดสำหรับข้อมูลอัตโนมัติ การติดตามโมเดล การตรวจสอบประสิทธิภาพ และการฝึกอบรมโมเดลใหม่

การใช้เครื่องมือระดับการผลิตเพื่อทำให้เป็นอัตโนมัติและติดตามการฝึกอบรมโมเดลตลอดอายุการใช้งานของผลิตภัณฑ์ บริการ หรือกระบวนการทางธุรกิจถือเป็นสิ่งสำคัญต่อความสำเร็จ TFX มอบเฟรมเวิร์กซอฟต์แวร์และเครื่องมือสำหรับการปรับใช้ MLOps เต็มรูปแบบ โดยตรวจจับปัญหาในขณะที่ข้อมูลและแบบจำลองของคุณพัฒนาไปตามกาลเวลา

ลองใน Colab

สร้างและเรียกใช้ไปป์ไลน์ TFX อย่างง่าย ติดตามเชื้อสายด้วย ML Metadata

กำลังมองหาการขยายความรู้ ML ของคุณหรือไม่?

TensorFlow ใช้งานง่ายกว่าเมื่อมีความเข้าใจพื้นฐานเกี่ยวกับหลักการและแนวคิดหลักของแมชชีนเลิร์นนิง เรียนรู้และประยุกต์ใช้แนวทางปฏิบัติพื้นฐานของแมชชีนเลิร์นนิงเพื่อพัฒนาทักษะของคุณ