Introduzione a TensorFlow
TensorFlow consente a principianti ed esperti di creare facilmente modelli di machine learning per desktop, dispositivi mobili, Web e cloud. Consulta le sezioni seguenti per iniziare.
TensorFlow
Scopri le basi di TensorFlow con tutorial per principianti ed esperti che ti aiuteranno a creare il tuo prossimo progetto di machine learning.
Per web
Utilizza TensorFlow.js per creare nuovi modelli di machine learning e distribuire modelli esistenti con JavaScript.
Per dispositivi mobili e bordo
Esegui l'inferenza con TensorFlow Lite su dispositivi mobili e integrati come Android, iOS, Edge TPU e Raspberry Pi.
Per la produzione
Distribuisci una pipeline ML pronta per la produzione per l'addestramento e l'inferenza utilizzando TFX.
Una piattaforma end-to-end per il machine learning
Prepara e carica i dati per risultati di ML di successo
I dati possono essere il fattore più importante per il successo dei tuoi sforzi di ML. TensorFlow offre molteplici strumenti di dati per aiutarti a consolidare, pulire e preelaborare i dati su larga scala:
Set di dati standard per l'addestramento iniziale e la convalida
Pipeline di dati altamente scalabili per il caricamento dei dati
Livelli di pre-elaborazione per trasformazioni di input comuni
Strumenti per convalidare e trasformare set di dati di grandi dimensioni
Inoltre, gli strumenti di intelligenza artificiale responsabile ti aiutano a scoprire ed eliminare i pregiudizi nei tuoi dati per produrre risultati equi ed etici dai tuoi modelli.
Crea e perfeziona i modelli con l'ecosistema TensorFlow
Esplora un intero ecosistema basato sul framework Core che semplifica la costruzione, l'addestramento e l'esportazione del modello. TensorFlow supporta l'addestramento distribuito, l'iterazione immediata del modello e il facile debugging con Keras e molto altro. Strumenti come Model Analysis e TensorBoard ti aiutano a monitorare lo sviluppo e il miglioramento attraverso il ciclo di vita del tuo modello.
Per aiutarti a iniziare, trova raccolte di modelli pre-addestrati in TensorFlow Hub da Google e dalla community o implementazioni di modelli di ricerca all'avanguardia in Model Garden . Queste librerie di componenti di alto livello consentono di prendere modelli potenti e perfezionarli su nuovi dati o personalizzarli per eseguire nuove attività.
Distribuisci i modelli sul dispositivo, nel browser, in locale o nel cloud
TensorFlow offre solide funzionalità per distribuire i tuoi modelli in qualsiasi ambiente: server, dispositivi perimetrali, browser, dispositivi mobili, microcontrollori, CPU, GPU, FPGA. TensorFlow Serving può eseguire modelli ML su scala di produzione sui processori più avanzati al mondo, incluse le Tensor Processing Unit (TPU) personalizzate di Google.
Se devi analizzare i dati vicino alla loro fonte per ridurre la latenza e migliorare la privacy dei dati, il framework TensorFlow Lite ti consente di eseguire modelli su dispositivi mobili, dispositivi di edge computing e persino microcontrollori e il framework TensorFlow.js ti consente di eseguire il machine learning con solo un browser web.
Provalo in Colab
Servi un modello con TensorFlow ServingImplementa MLOps per il machine learning di produzione
La piattaforma TensorFlow ti aiuta a implementare le best practice per l'automazione dei dati, il tracciamento dei modelli, il monitoraggio delle prestazioni e il riaddestramento dei modelli.
L'utilizzo di strumenti a livello di produzione per automatizzare e tenere traccia dell'addestramento del modello per tutta la durata di un prodotto, servizio o processo aziendale è fondamentale per il successo. TFX fornisce framework e strumenti software per distribuzioni MLOps complete, rilevando i problemi man mano che i dati e i modelli si evolvono nel tempo.
Stai cercando di espandere le tue conoscenze di ML?
TensorFlow è più facile da usare con una conoscenza di base dei principi e dei concetti fondamentali del machine learning. Impara e applica pratiche fondamentali di machine learning per sviluppare le tue abilità.
Inizia con programmi di studio curati per migliorare le tue competenze nelle aree fondamentali del ML.