TensorFlow è una piattaforma open source end-to-end per il machine learning
TensorFlow rende facile per principianti ed esperti creare modelli di machine learning. Consulta le sezioni seguenti per iniziare.
Per principianti
Il miglior punto di partenza è con l'API sequenziale intuitiva. È possibile creare modelli collegando insieme blocchi di costruzione. Esegui l'esempio "Hello World" di seguito, quindi visita i tutorial per saperne di più.
Per imparare il machine learning, dai un'occhiata alla nostra pagina sull'istruzione . Inizia con programmi di studio curati per migliorare le tue competenze nelle aree fondamentali del ML.
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)
Per esperti
L'API Subclassing fornisce un'interfaccia define-by-run per la ricerca avanzata. Crea una classe per il tuo modello, quindi scrivi imperativamente il passaggio in avanti. Crea facilmente livelli, attivazioni e cicli di formazione personalizzati. Esegui l'esempio "Hello World" di seguito, quindi visita i tutorial per saperne di più.
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))
Soluzioni a problemi comuni
Esplora tutorial passo-passo per aiutarti con i tuoi progetti.
Addestra una rete neurale per classificare immagini di abbigliamento, come scarpe da ginnastica e magliette, in questa rapida panoramica di un programma TensorFlow completo.
Genera immagini basate su un prompt di testo utilizzando l'implementazione KerasCV del modello Stable Diffusion di stability.ai.
Preelabora i file WAV e addestra un modello di riconoscimento vocale automatico di base.
Notizie e annunci
Dai un'occhiata al nostro blog per ulteriori aggiornamenti e iscriviti alla nostra newsletter TensorFlow per ricevere gli ultimi annunci direttamente nella tua casella di posta.