TensorFlow (original) (raw)
Chuyển ngay đến nội dung chính
Sử dụng bộ sưu tập để sắp xếp ngăn nắp các trang Lưu và phân loại nội dung dựa trên lựa chọn ưu tiên của bạn.
Nền tảng đầu cuối dành cho học máy
Bắt đầu với TensorFlow
TensorFlow giúp dễ dàng tạo các mô hình ML có thể chạy trong mọi môi trường. Tìm hiểu cách sử dụng API trực quan thông qua các mẫu mã tương tác.
import tensorflow as tf mnist = tf.keras.datasets.mnist
(x_train, y_train),(x_test, y_test) = mnist.load_data() x_train, x_test = x_train / 255.0, x_test / 255.0
model = tf.keras.models.Sequential([ tf.keras.layers.Flatten(input_shape=(28, 28)), tf.keras.layers.Dense(128, activation='relu'), tf.keras.layers.Dropout(0.2), tf.keras.layers.Dense(10, activation='softmax') ])
model.compile(optimizer='adam', loss='sparse_categorical_crossentropy', metrics=['accuracy'])
model.fit(x_train, y_train, epochs=5) model.evaluate(x_test, y_test)
Có gì mới trong TensorFlow
Đọc các thông báo mới nhất từ nhóm và cộng đồng TensorFlow.
Khám phá hệ sinh thái
Khám phá các công cụ đã được thử nghiệm trong quá trình sản xuất để tăng tốc quá trình lập mô hình, triển khai và các quy trình công việc khác.
- Thư viện
TensorFlow.js
Huấn luyện và chạy các mô hình trực tiếp trong trình duyệt bằng JavaScript hoặc Node.js.
- Thư viện
lítRT
Triển khai ML trên thiết bị di động và thiết bị biên như Android, iOS, Raspberry Pi và Edge TPU.
- API
tf.data
Xử lý trước dữ liệu và tạo đường dẫn đầu vào cho các mô hình ML.
- Thư viện
TFX
Tạo quy trình ML sản xuất và triển khai các phương pháp hay nhất về MLOps.
- API
tf.keras
Tạo mô hình ML bằng API cấp cao của TensorFlow.
- Tài nguyên
Người mẫu Kaggle
Tìm các mô hình được đào tạo trước sẵn sàng để tinh chỉnh và triển khai.
- Tài nguyên
Bộ dữ liệu TensorFlow
Duyệt qua bộ sưu tập các bộ dữ liệu tiêu chuẩn để đào tạo và xác nhận ban đầu.
- Dụng cụ
TensorBoard
Trực quan hóa và theo dõi sự phát triển của các mô hình ML.
Công cụ dành cho nhà phát triển
Các công cụ để đánh giá mô hình, tối ưu hóa hiệu suất và tạo ra quy trình công việc ML.
Tham gia cộng đồng
Cộng tác, tìm sự hỗ trợ và chia sẻ dự án của bạn bằng cách tham gia các nhóm sở thích hoặc tham dự các sự kiện dành cho nhà phát triển.
Tìm hiểu ML
Bạn mới học máy? Bắt đầu với các chương trình giảng dạy được tuyển chọn của TensorFlow hoặc duyệt qua thư viện tài nguyên gồm sách, khóa học trực tuyến và video.
Luôn kết nối
Tìm hiểu thông tin mới nhất về học máy và TensorFlow bằng cách theo dõi các kênh của chúng tôi hoặc đăng ký nhận bản tin. Xem các bản tin trước đây trong kho lưu trữ .
diễn đàn
X
YouTube Linkedin
diễn đàn X
YouTube
Linkedin
,
Nền tảng đầu cuối dành cho học máy
Bắt đầu với TensorFlow
TensorFlow giúp dễ dàng tạo các mô hình ML có thể chạy trong mọi môi trường. Tìm hiểu cách sử dụng API trực quan thông qua các mẫu mã tương tác.
import tensorflow as tf mnist = tf.keras.datasets.mnist
(x_train, y_train),(x_test, y_test) = mnist.load_data() x_train, x_test = x_train / 255.0, x_test / 255.0
model = tf.keras.models.Sequential([ tf.keras.layers.Flatten(input_shape=(28, 28)), tf.keras.layers.Dense(128, activation='relu'), tf.keras.layers.Dropout(0.2), tf.keras.layers.Dense(10, activation='softmax') ])
model.compile(optimizer='adam', loss='sparse_categorical_crossentropy', metrics=['accuracy'])
model.fit(x_train, y_train, epochs=5) model.evaluate(x_test, y_test)
Có gì mới trong TensorFlow
Đọc các thông báo mới nhất từ nhóm và cộng đồng TensorFlow.
Khám phá hệ sinh thái
Khám phá các công cụ đã được thử nghiệm trong quá trình sản xuất để tăng tốc quá trình lập mô hình, triển khai và các quy trình công việc khác.
- Thư viện
TensorFlow.js
Huấn luyện và chạy các mô hình trực tiếp trong trình duyệt bằng JavaScript hoặc Node.js.
- Thư viện
lítRT
Triển khai ML trên thiết bị di động và thiết bị biên như Android, iOS, Raspberry Pi và Edge TPU.
- API
tf.data
Xử lý trước dữ liệu và tạo đường dẫn đầu vào cho các mô hình ML.
- Thư viện
TFX
Tạo quy trình ML sản xuất và triển khai các phương pháp hay nhất về MLOps.
- API
tf.keras
Tạo mô hình ML bằng API cấp cao của TensorFlow.
- Tài nguyên
Người mẫu Kaggle
Tìm các mô hình được đào tạo trước sẵn sàng để tinh chỉnh và triển khai.
- Tài nguyên
Bộ dữ liệu TensorFlow
Duyệt qua bộ sưu tập các bộ dữ liệu tiêu chuẩn để đào tạo và xác nhận ban đầu.
- Dụng cụ
TensorBoard
Trực quan hóa và theo dõi sự phát triển của các mô hình ML.
Công cụ dành cho nhà phát triển
Các công cụ để đánh giá mô hình, tối ưu hóa hiệu suất và tạo ra quy trình công việc ML.
Tham gia cộng đồng
Cộng tác, tìm sự hỗ trợ và chia sẻ dự án của bạn bằng cách tham gia các nhóm sở thích hoặc tham dự các sự kiện dành cho nhà phát triển.
Tìm hiểu ML
Bạn mới học máy? Bắt đầu với các chương trình giảng dạy được tuyển chọn của TensorFlow hoặc duyệt qua thư viện tài nguyên gồm sách, khóa học trực tuyến và video.
Luôn kết nối
Tìm hiểu thông tin mới nhất về học máy và TensorFlow bằng cách theo dõi các kênh của chúng tôi hoặc đăng ký nhận bản tin. Xem các bản tin trước đây trong kho lưu trữ .
diễn đàn
X
YouTube Linkedin
diễn đàn X
YouTube
Linkedin
,
Nền tảng đầu cuối dành cho học máy
Bắt đầu với TensorFlow
TensorFlow giúp dễ dàng tạo các mô hình ML có thể chạy trong mọi môi trường. Tìm hiểu cách sử dụng API trực quan thông qua các mẫu mã tương tác.
import tensorflow as tf mnist = tf.keras.datasets.mnist
(x_train, y_train),(x_test, y_test) = mnist.load_data() x_train, x_test = x_train / 255.0, x_test / 255.0
model = tf.keras.models.Sequential([ tf.keras.layers.Flatten(input_shape=(28, 28)), tf.keras.layers.Dense(128, activation='relu'), tf.keras.layers.Dropout(0.2), tf.keras.layers.Dense(10, activation='softmax') ])
model.compile(optimizer='adam', loss='sparse_categorical_crossentropy', metrics=['accuracy'])
model.fit(x_train, y_train, epochs=5) model.evaluate(x_test, y_test)
Có gì mới trong TensorFlow
Đọc các thông báo mới nhất từ nhóm và cộng đồng TensorFlow.
Khám phá hệ sinh thái
Khám phá các công cụ đã được thử nghiệm trong quá trình sản xuất để tăng tốc quá trình lập mô hình, triển khai và các quy trình công việc khác.
- Thư viện
TensorFlow.js
Huấn luyện và chạy các mô hình trực tiếp trong trình duyệt bằng JavaScript hoặc Node.js.
- Thư viện
LítRT
Triển khai ML trên thiết bị di động và thiết bị biên như Android, iOS, Raspberry Pi và Edge TPU.
- API
tf.data
Xử lý trước dữ liệu và tạo đường dẫn đầu vào cho các mô hình ML.
- Thư viện
TFX
Tạo quy trình ML sản xuất và triển khai các phương pháp hay nhất về MLOps.
- API
tf.keras
Tạo mô hình ML bằng API cấp cao của TensorFlow.
- Tài nguyên
Người mẫu Kaggle
Tìm các mô hình được đào tạo trước sẵn sàng để tinh chỉnh và triển khai.
- Tài nguyên
Bộ dữ liệu TensorFlow
Duyệt qua bộ sưu tập các bộ dữ liệu tiêu chuẩn để đào tạo và xác nhận ban đầu.
- Dụng cụ
TensorBoard
Trực quan hóa và theo dõi sự phát triển của các mô hình ML.
Công cụ dành cho nhà phát triển
Các công cụ để đánh giá mô hình, tối ưu hóa hiệu suất và tạo ra quy trình công việc ML.
Tham gia cộng đồng
Cộng tác, tìm sự hỗ trợ và chia sẻ dự án của bạn bằng cách tham gia các nhóm sở thích hoặc tham dự các sự kiện dành cho nhà phát triển.
Tìm hiểu ML
Bạn mới học máy? Bắt đầu với các chương trình giảng dạy được tuyển chọn của TensorFlow hoặc duyệt qua thư viện tài nguyên gồm sách, khóa học trực tuyến và video.
Luôn kết nối
Tìm hiểu thông tin mới nhất về học máy và TensorFlow bằng cách theo dõi các kênh của chúng tôi hoặc đăng ký nhận bản tin. Xem các bản tin trước đây trong kho lưu trữ .
diễn đàn
X
YouTube Linkedin
diễn đàn X
YouTube
Linkedin