TensorFlow — это сквозная платформа с открытым исходным кодом для машинного обучения.
TensorFlow позволяет новичкам и экспертам легко создавать модели машинного обучения. См. разделы ниже, чтобы начать.
Для начинающих
Лучше всего начать с удобного Sequential API. Вы можете создавать модели, соединяя строительные блоки. Запустите приведенный ниже пример «Hello World», а затем посетите учебные пособия , чтобы узнать больше.
Чтобы изучить машинное обучение, посетите нашу образовательную страницу . Начните с тщательно подобранных учебных программ, чтобы улучшить свои навыки в основных областях машинного обучения.
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)
Для экспертов
API подклассов предоставляет интерфейс определения за запуском для расширенных исследований. Создайте класс для своей модели, затем обязательно напишите прямой проход. С легкостью создавайте собственные слои, активации и обучающие циклы. Запустите приведенный ниже пример «Hello World», а затем посетите учебные пособия , чтобы узнать больше.
class MyModel(tf.keras.Model):
def __init__(self):
super(MyModel, self).__init__()
self.conv1 = Conv2D(32, 3, activation='relu')
self.flatten = Flatten()
self.d1 = Dense(128, activation='relu')
self.d2 = Dense(10, activation='softmax')
def call(self, x):
x = self.conv1(x)
x = self.flatten(x)
x = self.d1(x)
return self.d2(x)
model = MyModel()
with tf.GradientTape() as tape:
logits = model(images)
loss_value = loss(logits, labels)
grads = tape.gradient(loss_value, model.trainable_variables)
optimizer.apply_gradients(zip(grads, model.trainable_variables))
Решения распространенных проблем
Изучите пошаговые руководства, которые помогут вам в ваших проектах.
Обучите нейронную сеть классифицировать изображения одежды, например кроссовок и рубашек, с помощью этого быстрого обзора полной программы TensorFlow.
Создавайте изображения на основе текстовой подсказки, используя реализацию KerasCV модели Stable Diffusion от stable.ai.
Предварительно обработайте файлы WAV и обучите базовую модель автоматического распознавания речи.
Новости и объявления
Следите за дополнительными обновлениями в нашем блоге и подпишитесь на нашу рассылку новостей TensorFlow, чтобы получать последние объявления прямо на свой почтовый ящик.