TensorFlow, makine öğrenimi için uçtan uca açık kaynaklı bir platformdur
TensorFlow, yeni başlayanlar ve uzmanların makine öğrenimi modelleri oluşturmasını kolaylaştırır. Başlamak için aşağıdaki bölümlere bakın.
Yeni başlayanlar için
Başlamak için en iyi yer, kullanıcı dostu Sequential API'dir. Yapı taşlarını birbirine bağlayarak modeller oluşturabilirsiniz. Aşağıdaki "Merhaba Dünya" örneğini çalıştırın, ardından daha fazla bilgi edinmek için eğiticileri ziyaret edin.
Makine öğrenimi öğrenmek için eğitim sayfamıza göz atın. Temel makine öğrenimi alanlarındaki becerilerinizi geliştirmek için derlenmiş müfredatlarla başlayın.
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)
Uzmanlar için
Alt Sınıflandırma API'si, gelişmiş araştırma için çalıştırmaya göre tanımlı bir arayüz sağlar. Modeliniz için bir sınıf oluşturun, ardından ileri geçişi zorunlu olarak yazın. Özel katmanları, aktivasyonları ve eğitim döngülerini kolayca yazın. Aşağıdaki "Merhaba Dünya" örneğini çalıştırın, ardından daha fazla bilgi edinmek için eğiticileri ziyaret edin.
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))
Yaygın sorunlara çözümler
Projelerinizde size yardımcı olacak adım adım öğreticileri keşfedin.
Eksiksiz bir TensorFlow programının bu hızlı genel bakışında, spor ayakkabılar ve gömlekler gibi giyim görüntülerini sınıflandırmak için bir sinir ağı eğitin.
Stabil.ai'nin Stable Difüzyon modelinin KerasCV uygulamasını kullanarak bir metin bilgi istemine dayalı görüntüler oluşturun.
WAV dosyalarını önceden işleyin ve temel bir otomatik konuşma tanıma modelini eğitin.