Bắt đầu với TensorFlow
TensorFlow giúp dễ dàng tạo các mô hình ML có thể chạy trong mọi môi trường. Tìm hiểu cách sử dụng API trực quan thông qua các mẫu mã tương tác.
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)
Giải quyết các vấn đề trong thế giới thực với ML
Khám phá các ví dụ về cách TensorFlow được sử dụng để thúc đẩy nghiên cứu và xây dựng các ứng dụng hỗ trợ AI.
GNN có thể xử lý các mối quan hệ phức tạp giữa các đối tượng, biến chúng thành một kỹ thuật mạnh mẽ để dự báo lưu lượng truy cập, khám phá y tế, v.v.
Tìm hiểu cách TensorFlow Lite cho phép truy cập đánh giá siêu âm thai nhi, cải thiện kết quả sức khỏe cho phụ nữ và gia đình trên khắp Kenya và thế giới.
Tìm hiểu cách Spotify sử dụng hệ sinh thái TensorFlow để thiết kế trình mô phỏng ngoại tuyến có thể mở rộng và đào tạo Đại lý RL cách tạo danh sách phát.
Có gì mới trong TensorFlow
Đọc các thông báo mới nhất từ nhóm và cộng đồng TensorFlow.
Khám phá hệ sinh thái
Khám phá các công cụ đã được thử nghiệm trong quá trình sản xuất để tăng tốc quá trình lập mô hình, triển khai và các quy trình công việc khác.
Thư viện
TensorFlow Lite
Triển khai ML trên thiết bị di động và thiết bị biên như Android, iOS, Raspberry Pi và Edge TPU.
Thư viện
TensorFlow.js
Huấn luyện và chạy các mô hình trực tiếp trong trình duyệt bằng JavaScript hoặc Node.js.
API
tf.data
Xử lý trước dữ liệu và tạo đường dẫn đầu vào cho các mô hình ML.
Thư viện
TFX
Tạo quy trình ML sản xuất và triển khai các phương pháp hay nhất về MLOps.
API
tf.keras
Tạo mô hình ML bằng API cấp cao của TensorFlow.
Linkedin