Tại sao TenorFlow
Cho dù bạn là chuyên gia hay người mới bắt đầu, TensorFlow là một nền tảng toàn diện giúp bạn dễ dàng xây dựng và triển khai các mô hình ML.
Toàn bộ hệ sinh thái giúp bạn giải quyết các vấn đề đầy thách thức trong thế giới thực bằng máy học
Xây dựng mô hình dễ dàng
TensorFlow cung cấp nhiều cấp độ trừu tượng để bạn có thể chọn cấp độ phù hợp với nhu cầu của mình. Xây dựng và đào tạo các mô hình bằng cách sử dụng API Keras cấp cao, giúp bắt đầu với TensorFlow và học máy dễ dàng.
Nếu bạn cần linh hoạt hơn, thực thi háo hức cho phép lặp lại ngay lập tức và gỡ lỗi trực quan. Đối với các tác vụ đào tạo ML lớn, hãy sử dụng API Chiến lược phân phối để đào tạo phân tán trên các cấu hình phần cứng khác nhau mà không thay đổi định nghĩa mô hình.
Sản xuất ML mạnh mẽ ở mọi nơi
TensorFlow luôn cung cấp một đường dẫn trực tiếp đến quá trình sản xuất. Cho dù đó là trên máy chủ, thiết bị biên hay web, TensorFlow cho phép bạn đào tạo và triển khai mô hình của mình một cách dễ dàng, bất kể bạn sử dụng ngôn ngữ hay nền tảng nào.
Sử dụng TFX nếu bạn cần một quy trình ML sản xuất đầy đủ. Để chạy suy luận trên thiết bị di động và thiết bị biên, hãy sử dụng TensorFlow Lite. Đào tạo và triển khai các mô hình trong môi trường JavaScript bằng TensorFlow.js.
Thử nghiệm mạnh mẽ cho nghiên cứu
Xây dựng và đào tạo các mô hình tiên tiến nhất mà không làm giảm tốc độ hoặc hiệu suất. TensorFlow mang đến cho bạn sự linh hoạt và khả năng kiểm soát với các tính năng như API chức năng Keras và API phân lớp mô hình để tạo các cấu trúc liên kết phức tạp. Để tạo nguyên mẫu dễ dàng và gỡ lỗi nhanh, hãy sử dụng thực thi háo hức.
TensorFlow cũng hỗ trợ một hệ sinh thái gồm các mô hình và thư viện bổ trợ mạnh mẽ để thử nghiệm, bao gồm Ragged Tensors, TensorFlow Probability, Tensor2Tensor và BERT.
Xem cách các công ty đang sử dụng TensorFlow
Tìm hiểu cách máy học hoạt động
Bạn có bao giờ muốn biết mạng nơ-ron hoạt động như thế nào không? Hoặc các bước để giải quyết vấn đề ML là gì? Đừng lo lắng, chúng tôi đã bảo vệ bạn. Dưới đây là tổng quan nhanh về các nguyên tắc cơ bản của học máy. Hoặc, nếu bạn đang tìm kiếm thông tin chuyên sâu hơn, hãy truy cập trang giáo dục của chúng tôi để biết nội dung dành cho người mới bắt đầu và nâng cao.
giới thiệu về học máy
Học máy là thực hành giúp phần mềm thực hiện một tác vụ mà không cần lập trình hoặc quy tắc rõ ràng. Với lập trình máy tính truyền thống, một lập trình viên chỉ định các quy tắc mà máy tính nên sử dụng. Tuy nhiên, ML yêu cầu một tư duy khác. ML trong thế giới thực tập trung nhiều vào phân tích dữ liệu hơn là viết mã. Các lập trình viên cung cấp một tập hợp các ví dụ và máy tính học các mẫu từ dữ liệu. Bạn có thể coi học máy là “lập trình với dữ liệu”.
Các bước để giải quyết vấn đề ML
Có nhiều bước trong quy trình nhận câu trả lời từ dữ liệu bằng ML. Để biết tổng quan từng bước, hãy xem hướng dẫn này cho biết quy trình làm việc hoàn chỉnh để phân loại văn bản và mô tả các bước quan trọng như thu thập tập dữ liệu cũng như đào tạo và đánh giá mô hình bằng TensorFlow.
Giải phẫu của một mạng lưới thần kinh
Mạng thần kinh là một loại mô hình có thể được đào tạo để nhận dạng các mẫu. Nó bao gồm các lớp, bao gồm các lớp đầu vào và đầu ra, và ít nhất một lớp ẩn . Các tế bào thần kinh trong mỗi lớp học các biểu diễn dữ liệu ngày càng trừu tượng. Ví dụ, trong sơ đồ trực quan này, chúng ta thấy các tế bào thần kinh phát hiện các đường kẻ, hình dạng và kết cấu. Các biểu diễn này (hoặc các tính năng đã học) giúp phân loại dữ liệu.
Đào tạo một mạng lưới thần kinh
Mạng lưới thần kinh được đào tạo bằng cách giảm dần độ dốc. Các trọng số trong mỗi lớp bắt đầu bằng các giá trị ngẫu nhiên và những giá trị này được cải thiện lặp đi lặp lại theo thời gian để làm cho mạng chính xác hơn. Một hàm mất mát được sử dụng để định lượng mức độ không chính xác của mạng và một quy trình gọi là lan truyền ngược được sử dụng để xác định xem mỗi trọng số nên được tăng hay giảm để giảm tổn thất.
cộng đồng của chúng tôi
Cộng đồng TensorFlow là một nhóm tích cực bao gồm các nhà phát triển, nhà nghiên cứu, người có tầm nhìn, người mày mò và người giải quyết vấn đề. Cánh cửa luôn rộng mở để đóng góp, hợp tác và chia sẻ ý tưởng của bạn.