TensorFlow 2 专注于简化和易用性,更新包括急切执行、直观的更高级别 API 以及在任何平台上灵活的模型构建。
许多指南都以 Jupyter 笔记本的形式编写,可以直接在 Google Colab 中运行 - 这是一种无需设置的托管笔记本环境。单击“在 Google Colab 中运行”按钮。
基本文档
安装 TensorFlow
安装包或从源代码构建。支持 CUDA® 启用的显卡的 GPU。迁移到 TensorFlow 2
学习如何将您的 TF1.x 代码迁移到 TF2。Keras
Keras 是一个高级别 API,对于 ML 初学者和研究人员来说更容易使用。TensorFlow 基础
了解使 TensorFlow 正常工作的基本类和功能。数据输入管道
tf.data
API 使您能够从简单、可重用的部分构建复杂的输入管道。TensorFlow 2 最佳实践
了解使用 TensorFlow 2 进行有效开发的最佳实践。库和扩展
探索 其他资源,使用 TensorFlow 构建高级模型或方法,并访问扩展 TensorFlow 的特定领域应用程序包。-
TensorFlow 决策森林
一个库,用于在 TensorFlow 中训练、运行和解释决策森林模型(例如,随机森林、梯度提升树)。 -
TensorFlow Hub
一个用于发布、发现和使用机器学习模型的可重用部分的库。 -
服务
一个用于 ML 模型的 TFX 服务系统,专为生产环境中的高性能而设计。 -
TensorFlow 联合学习
一个用于在分散数据上进行机器学习和其他计算的框架。 -
神经结构化学习
一种学习范式,通过利用结构化信号(除了特征输入)来训练神经网络。 -
TensorFlow 图形
一个包含从相机、灯光和材质到渲染器的计算机图形功能库。 -
SIG 附加组件
TensorFlow 的额外功能,由 SIG 附加组件维护。
-
TensorBoard
一套可视化工具,用于理解、调试和优化 TensorFlow 程序。 -
数据集
一组可与 TensorFlow 一起使用的准备好的数据集。 -
模型优化
TensorFlow 模型优化工具包是一套用于优化 ML 模型以进行部署和执行的工具。 -
概率
TensorFlow Probability 是一个用于概率推理和统计分析的库。 -
MLIR
MLIR 统一了 TensorFlow 中高性能 ML 模型的基础设施。 -
XLA
一个专门针对线性代数的编译器,可以加速 TensorFlow 模型,而可能不需要任何源代码更改。 -
SIG IO
数据集、流和文件系统扩展,由 SIG IO 维护。