Introducción a TensorFlow
TensorFlow facilita a principiantes y expertos la creación de modelos de aprendizaje automático para escritorio, dispositivos móviles, web y la nube. Consulte las secciones siguientes para comenzar.
TensorFlow
Conozca los conceptos básicos de TensorFlow con tutoriales para principiantes y expertos que le ayudarán a crear su próximo proyecto de aprendizaje automático.
Para Web
Utilice TensorFlow.js para crear nuevos modelos de aprendizaje automático e implementar modelos existentes con JavaScript.
Para dispositivos móviles y perimetrales
Ejecute inferencia con LiteRT en dispositivos móviles e integrados como Android, iOS, Edge TPU y Raspberry Pi.
Para la producción
Implemente una canalización de aprendizaje automático lista para producción para capacitación e inferencia mediante TFX.
Una plataforma de extremo a extremo para el aprendizaje automático
Prepare y cargue datos para obtener resultados exitosos de ML
Los datos pueden ser el factor más importante para el éxito de sus esfuerzos de aprendizaje automático. TensorFlow ofrece múltiples herramientas de datos para ayudarlo a consolidar, limpiar y preprocesar datos a escala:
Conjuntos de datos estándar para capacitación inicial y validación.
Canalizaciones de datos altamente escalables para cargar datos
Capas de preprocesamiento para transformaciones de entrada comunes
Herramientas para validar y transformar grandes conjuntos de datos
Además, las herramientas de IA responsables lo ayudan a descubrir y eliminar sesgos en sus datos para producir resultados justos y éticos a partir de sus modelos.
Cree y ajuste modelos con el ecosistema TensorFlow
Explore un ecosistema completo construido sobre el marco Core que agiliza la construcción, capacitación y exportación de modelos. TensorFlow admite capacitación distribuida, iteración inmediata de modelos y depuración sencilla con Keras y mucho más. Herramientas como Model Analysis y TensorBoard lo ayudan a realizar un seguimiento del desarrollo y la mejora a lo largo del ciclo de vida de su modelo.
Para ayudarlo a comenzar, encuentre colecciones de modelos previamente entrenados en TensorFlow Hub de Google y la comunidad, o implementaciones de modelos de investigación de última generación en Model Garden . Estas bibliotecas de componentes de alto nivel le permiten tomar modelos potentes y ajustarlos con nuevos datos o personalizarlos para realizar nuevas tareas.
Implemente modelos en el dispositivo, en el navegador, localmente o en la nube
TensorFlow proporciona capacidades sólidas para implementar sus modelos en cualquier entorno: servidores, dispositivos perimetrales, navegadores, dispositivos móviles, microcontroladores, CPU, GPU, FPGA. TensorFlow Serving puede ejecutar modelos de aprendizaje automático a escala de producción en los procesadores más avanzados del mundo, incluidas las unidades de procesamiento tensorial (TPU) personalizadas de Google.
Si necesita analizar datos cerca de su fuente para reducir la latencia y mejorar la privacidad de los datos, el marco LiteRT le permite ejecutar modelos en dispositivos móviles, dispositivos informáticos de vanguardia e incluso microcontroladores, y el marco TensorFlow.js le permite ejecutar el aprendizaje automático con solo un navegador web.
Pruébalo en Colab
Servir un modelo con TensorFlow ServingImplementar MLOps para ML de producción
La plataforma TensorFlow lo ayuda a implementar las mejores prácticas para la automatización de datos, el seguimiento de modelos, el monitoreo del rendimiento y el reentrenamiento de modelos.
El uso de herramientas a nivel de producción para automatizar y realizar un seguimiento de la capacitación del modelo durante la vida útil de un producto, servicio o proceso comercial es fundamental para el éxito. TFX proporciona marcos de software y herramientas para implementaciones completas de MLOps, detectando problemas a medida que sus datos y modelos evolucionan con el tiempo.
¿Quiere ampliar sus conocimientos de ML?
TensorFlow es más fácil de usar con una comprensión básica de los principios y conceptos básicos del aprendizaje automático. Aprenda y aplique prácticas fundamentales de aprendizaje automático para desarrollar sus habilidades.
Comience con planes de estudio seleccionados para mejorar sus habilidades en áreas fundamentales de ML.
Introducción a TensorFlow
TensorFlow facilita a principiantes y expertos la creación de modelos de aprendizaje automático para escritorio, dispositivos móviles, web y la nube. Consulte las secciones siguientes para comenzar.
TensorFlow
Conozca los conceptos básicos de TensorFlow con tutoriales para principiantes y expertos que le ayudarán a crear su próximo proyecto de aprendizaje automático.
Para Web
Utilice TensorFlow.js para crear nuevos modelos de aprendizaje automático e implementar modelos existentes con JavaScript.
Para dispositivos móviles y perimetrales
Ejecute inferencia con LiteRT en dispositivos móviles e integrados como Android, iOS, Edge TPU y Raspberry Pi.
Para la producción
Implemente una canalización de aprendizaje automático lista para producción para capacitación e inferencia mediante TFX.
Una plataforma de extremo a extremo para el aprendizaje automático
Prepare y cargue datos para obtener resultados exitosos de ML
Los datos pueden ser el factor más importante para el éxito de sus esfuerzos de aprendizaje automático. TensorFlow ofrece múltiples herramientas de datos para ayudarlo a consolidar, limpiar y preprocesar datos a escala:
Conjuntos de datos estándar para capacitación inicial y validación.
Canalizaciones de datos altamente escalables para cargar datos
Capas de preprocesamiento para transformaciones de entrada comunes
Herramientas para validar y transformar grandes conjuntos de datos
Además, las herramientas de IA responsables lo ayudan a descubrir y eliminar sesgos en sus datos para producir resultados justos y éticos a partir de sus modelos.
Cree y ajuste modelos con el ecosistema TensorFlow
Explore un ecosistema completo construido sobre el marco Core que agiliza la construcción, capacitación y exportación de modelos. TensorFlow admite capacitación distribuida, iteración inmediata de modelos y depuración sencilla con Keras y mucho más. Herramientas como Model Analysis y TensorBoard lo ayudan a realizar un seguimiento del desarrollo y la mejora a lo largo del ciclo de vida de su modelo.
Para ayudarlo a comenzar, encuentre colecciones de modelos previamente entrenados en TensorFlow Hub de Google y la comunidad, o implementaciones de modelos de investigación de última generación en Model Garden . Estas bibliotecas de componentes de alto nivel le permiten tomar modelos potentes y ajustarlos con nuevos datos o personalizarlos para realizar nuevas tareas.
Implemente modelos en el dispositivo, en el navegador, localmente o en la nube
TensorFlow proporciona capacidades sólidas para implementar sus modelos en cualquier entorno: servidores, dispositivos perimetrales, navegadores, dispositivos móviles, microcontroladores, CPU, GPU, FPGA. TensorFlow Serving puede ejecutar modelos de aprendizaje automático a escala de producción en los procesadores más avanzados del mundo, incluidas las unidades de procesamiento tensorial (TPU) personalizadas de Google.
Si necesita analizar datos cerca de su fuente para reducir la latencia y mejorar la privacidad de los datos, el marco LiteRT le permite ejecutar modelos en dispositivos móviles, dispositivos informáticos de vanguardia e incluso microcontroladores, y el marco TensorFlow.js le permite ejecutar el aprendizaje automático con solo un navegador web.
Pruébalo en Colab
Servir un modelo con TensorFlow ServingImplementar MLOps para ML de producción
La plataforma TensorFlow lo ayuda a implementar las mejores prácticas para la automatización de datos, el seguimiento de modelos, el monitoreo del rendimiento y el reentrenamiento de modelos.
El uso de herramientas a nivel de producción para automatizar y realizar un seguimiento de la capacitación del modelo durante la vida útil de un producto, servicio o proceso comercial es fundamental para el éxito. TFX proporciona marcos de software y herramientas para implementaciones completas de MLOps, detectando problemas a medida que sus datos y modelos evolucionan con el tiempo.
¿Quiere ampliar sus conocimientos de ML?
TensorFlow es más fácil de usar con una comprensión básica de los principios y conceptos básicos del aprendizaje automático. Aprenda y aplique prácticas fundamentales de aprendizaje automático para desarrollar sus habilidades.
Comience con planes de estudio seleccionados para mejorar sus habilidades en áreas fundamentales de ML.
Introducción a TensorFlow
TensorFlow facilita a principiantes y expertos la creación de modelos de aprendizaje automático para escritorio, dispositivos móviles, web y la nube. Consulte las secciones siguientes para comenzar.
TensorFlow
Conozca los conceptos básicos de TensorFlow con tutoriales para principiantes y expertos que le ayudarán a crear su próximo proyecto de aprendizaje automático.
Para Web
Utilice TensorFlow.js para crear nuevos modelos de aprendizaje automático e implementar modelos existentes con JavaScript.
Para dispositivos móviles y perimetrales
Ejecute inferencia con LiteRT en dispositivos móviles e integrados como Android, iOS, Edge TPU y Raspberry Pi.
Para la producción
Implemente una canalización de aprendizaje automático lista para producción para capacitación e inferencia mediante TFX.
Una plataforma de extremo a extremo para el aprendizaje automático
Prepare y cargue datos para obtener resultados exitosos de ML
Los datos pueden ser el factor más importante para el éxito de sus esfuerzos de aprendizaje automático. TensorFlow ofrece múltiples herramientas de datos para ayudarlo a consolidar, limpiar y preprocesar datos a escala:
Conjuntos de datos estándar para capacitación inicial y validación.
Canalizaciones de datos altamente escalables para cargar datos
Capas de preprocesamiento para transformaciones de entrada comunes
Herramientas para validar y transformar grandes conjuntos de datos
Además, las herramientas de IA responsables lo ayudan a descubrir y eliminar sesgos en sus datos para producir resultados justos y éticos a partir de sus modelos.
Cree y ajuste modelos con el ecosistema TensorFlow
Explore un ecosistema completo construido sobre el marco Core que agiliza la construcción, capacitación y exportación de modelos. TensorFlow admite capacitación distribuida, iteración inmediata de modelos y depuración sencilla con Keras y mucho más. Herramientas como Model Analysis y TensorBoard lo ayudan a realizar un seguimiento del desarrollo y la mejora a lo largo del ciclo de vida de su modelo.
Para ayudarlo a comenzar, encuentre colecciones de modelos previamente entrenados en TensorFlow Hub de Google y la comunidad, o implementaciones de modelos de investigación de última generación en Model Garden . Estas bibliotecas de componentes de alto nivel le permiten tomar modelos potentes y ajustarlos con nuevos datos o personalizarlos para realizar nuevas tareas.
Implemente modelos en el dispositivo, en el navegador, localmente o en la nube
TensorFlow proporciona capacidades sólidas para implementar sus modelos en cualquier entorno: servidores, dispositivos perimetrales, navegadores, dispositivos móviles, microcontroladores, CPU, GPU, FPGA. TensorFlow Serving puede ejecutar modelos de aprendizaje automático a escala de producción en los procesadores más avanzados del mundo, incluidas las unidades de procesamiento tensorial (TPU) personalizadas de Google.
Si necesita analizar datos cerca de su fuente para reducir la latencia y mejorar la privacidad de los datos, el marco LiteRT le permite ejecutar modelos en dispositivos móviles, dispositivos informáticos de vanguardia e incluso microcontroladores, y el marco TensorFlow.js le permite ejecutar el aprendizaje automático con solo un navegador web.
Pruébalo en Colab
Servir un modelo con TensorFlow ServingImplementar MLOps para ML de producción
La plataforma TensorFlow lo ayuda a implementar las mejores prácticas para la automatización de datos, el seguimiento de modelos, el monitoreo del rendimiento y el reentrenamiento de modelos.
El uso de herramientas a nivel de producción para automatizar y realizar un seguimiento de la capacitación del modelo durante la vida útil de un producto, servicio o proceso comercial es fundamental para el éxito. TFX proporciona marcos de software y herramientas para implementaciones completas de MLOps, detectando problemas a medida que sus datos y modelos evolucionan con el tiempo.
¿Quiere ampliar sus conocimientos de ML?
TensorFlow es más fácil de usar con una comprensión básica de los principios y conceptos básicos del aprendizaje automático. Aprenda y aplique prácticas fundamentales de aprendizaje automático para desarrollar sus habilidades.
Comience con planes de estudio seleccionados para mejorar sus habilidades en áreas fundamentales de ML.