Pengantar TensorFlow
TensorFlow memudahkan pemula dan pakar untuk membuat model machine learning untuk desktop, seluler, web, dan cloud. Lihat bagian di bawah ini untuk memulai.
TensorFlow
Pelajari dasar-dasar TensorFlow dengan tutorial untuk pemula dan pakar untuk membantu Anda membuat proyek pembelajaran mesin berikutnya.
Untuk Web
Gunakan TensorFlow.js untuk membuat model machine learning baru dan men-deploy model yang sudah ada dengan JavaScript.
Untuk Seluler & Tepi
Jalankan inferensi dengan TensorFlow Lite di perangkat seluler dan tersemat seperti Android, iOS, Edge TPU, dan Raspberry Pi.
Untuk Produksi
Deploy pipeline ML siap produksi untuk pelatihan dan inferensi menggunakan TFX.
Platform end-to-end untuk pembelajaran mesin
Siapkan dan muat data untuk hasil ML yang sukses
Data bisa menjadi faktor terpenting dalam kesuksesan usaha ML Anda. TensorFlow menawarkan beberapa alat data untuk membantu Anda menggabungkan, membersihkan, dan melakukan praproses data dalam skala besar:
Kumpulan data standar untuk pelatihan dan validasi awal
Pipeline data yang sangat skalabel untuk memuat data
Lapisan preprocessing untuk transformasi input umum
Alat untuk memvalidasi dan mengubah kumpulan data besar
Selain itu, alat AI yang bertanggung jawab membantu Anda mengungkap dan menghilangkan bias dalam data Anda untuk menghasilkan hasil yang adil dan etis dari model Anda.
Membangun dan menyempurnakan model dengan ekosistem TensorFlow
Jelajahi seluruh ekosistem yang dibangun di atas kerangka Inti yang merampingkan konstruksi model, pelatihan, dan ekspor. TensorFlow mendukung pelatihan terdistribusi, iterasi model langsung, dan proses debug mudah dengan Keras , dan banyak lagi. Alat seperti Analisis Model dan TensorBoard membantu Anda melacak pengembangan dan peningkatan melalui siklus hidup model Anda.
Untuk membantu Anda memulai, temukan koleksi model terlatih di TensorFlow Hub dari Google dan komunitas, atau implementasi model riset canggih di Model Garden . Pustaka komponen tingkat tinggi ini memungkinkan Anda mengambil model yang andal, dan menyempurnakannya pada data baru atau menyesuaikannya untuk melakukan tugas baru.
Terapkan model di perangkat, di browser, di tempat, atau di cloud
TensorFlow memberikan kemampuan tangguh untuk menerapkan model Anda di lingkungan apa pun - server, perangkat edge, browser, seluler, mikrokontroler, CPU, GPU, FPGA. TensorFlow Serving dapat menjalankan model ML pada skala produksi pada prosesor tercanggih di dunia, termasuk Unit Pemrosesan Tensor (TPU) khusus Google.
Jika Anda perlu menganalisis data yang dekat dengan sumbernya untuk mengurangi latensi dan meningkatkan privasi data, kerangka kerja TensorFlow Lite memungkinkan Anda menjalankan model pada perangkat seluler, perangkat komputasi edge, dan bahkan mikrokontroler, dan kerangka kerja TensorFlow.js memungkinkan Anda menjalankan pembelajaran mesin dengan hanya peramban web.
Cobalah di Colab
Sajikan model dengan TensorFlow ServingMenerapkan MLOps untuk ML produksi
Platform TensorFlow membantu Anda menerapkan praktik terbaik untuk otomatisasi data, pelacakan model, pemantauan kinerja, dan pelatihan ulang model.
Menggunakan alat tingkat produksi untuk mengotomatiskan dan melacak pelatihan model selama masa pakai produk, layanan, atau proses bisnis sangat penting untuk kesuksesan. TFX menyediakan kerangka kerja perangkat lunak dan alat untuk penerapan MLOps penuh, mendeteksi masalah saat data dan model Anda berkembang dari waktu ke waktu.
Ingin memperluas pengetahuan ML Anda?
TensorFlow lebih mudah digunakan dengan pemahaman dasar tentang prinsip pembelajaran mesin dan konsep inti. Pelajari dan terapkan praktik pembelajaran mesin mendasar untuk mengembangkan keterampilan Anda.
Mulailah dengan kurikulum pilihan untuk meningkatkan keterampilan Anda di area dasar ML.