TensorFlow 2 專注於簡潔和易用性,透過即時執行(Eager Execution)、直觀的高階 API 以及在任何平臺上靈活構建模型等更新,提升了使用體驗。
許多指南是以 Jupyter Notebook 的形式編寫的,可以直接在 Google Colab 中執行——這是一個無需設定的託管式 Notebook 環境。請點選在 Google Colab 中執行按鈕。
基礎文件
安裝 TensorFlow
安裝軟體包或從原始碼構建。支援帶有 CUDA® 的顯示卡進行 GPU 加速。遷移至 TensorFlow 2
瞭解如何將您的 TF1.x 程式碼遷移到 TF2。Keras
Keras 是一個高階 API,無論對於機器學習初學者還是研究人員,它都更容易上手。TensorFlow 基礎知識
學習使 TensorFlow 得以執行的基礎類和特性。資料輸入流水線
tf.data API 使您能夠透過簡單、可複用的元件構建複雜的輸入流水線。TensorFlow 2 最佳實踐
瞭解使用 TensorFlow 2 進行高效開發的最佳實踐。庫與擴充套件
探索更多資源,以利用 TensorFlow 構建高階模型或方法,並訪問擴充套件 TensorFlow 功能的特定領域應用包。-
TensorFlow 決策森林 (Decision Forests)
一個在 TensorFlow 中訓練、執行和解釋決策森林模型(例如隨機森林、梯度提升樹)的庫。 -
TensorFlow Hub
一個用於釋出、發現和使用機器學習模型可重用部分的庫。 -
服務化 (Serving)
一個用於機器學習模型的 TFX 服務化系統,專為生產環境中的高效能需求而設計。 -
TensorFlow Federated
一個用於在分散資料上進行機器學習和其他計算的框架。 -
神經結構化學習 (Neural Structured Learning)
一種訓練正規化,除了特徵輸入外,還可以利用結構化訊號來訓練神經網路。 -
TensorFlow Graphics
一個包含攝像機、燈光、材質到渲染器等計算機圖形功能庫。 -
SIG Addons
TensorFlow 的額外功能,由 SIG Addons 維護。
-
TensorBoard
一套視覺化工具,用於理解、除錯和最佳化 TensorFlow 程式。 -
資料集 (Datasets)
可直接與 TensorFlow 配合使用的資料集集合。 -
模型最佳化
TensorFlow 模型最佳化工具包是一套用於最佳化機器學習模型以進行部署和執行的工具。 -
機率 (Probability)
TensorFlow Probability 是一個用於機率推理和統計分析的庫。 -
MLIR
MLIR 統一了 TensorFlow 中高效能機器學習模型的基礎架構。 -
XLA
一個針對線性代數的特定領域編譯器,可以在無需更改原始碼的情況下加速 TensorFlow 模型。 -
SIG IO
資料集、流式傳輸和檔案系統擴充套件,由 SIG IO 維護。