TensorFlow 简介
TensorFlow 使初学者和专家能够轻松地为桌面、移动设备、Web 和云创建机器学习模型。请参阅以下部分以开始使用。
使用 TensorFlow 生态系统构建和微调模型
探索建立在 核心框架 之上的整个生态系统，该生态系统简化了模型构建、训练和导出。TensorFlow 支持分布式训练、即时模型迭代和使用 Keras 进行轻松调试，等等。诸如 模型分析 和 TensorBoard 之类的工具可以帮助您跟踪模型生命周期中的开发和改进。
为了帮助您入门，请在 TensorFlow Hub 中找到来自 Google 和社区的预训练模型集合，或在 模型花园 中找到最先进研究模型的实现。这些高级组件库使您可以使用强大的模型，并在新数据上对其进行微调，或对其进行自定义以执行新任务。
在设备上、浏览器中、本地或云中部署模型
TensorFlow 提供强大的功能，可以在任何环境中部署您的模型 - 服务器、边缘设备、浏览器、移动设备、微控制器、CPU、GPU、FPGA。 TensorFlow Serving 可以以生产规模在世界上最先进的处理器上运行 ML 模型，包括 Google 的定制张量处理单元 (TPU)。
如果您需要分析靠近其来源的数据以减少延迟并提高数据隐私，则 TensorFlow Lite 框架使您能够在移动设备、边缘计算设备甚至微控制器上运行模型，而 TensorFlow.js 框架使您能够仅使用 Web 浏览器运行机器学习。
在 Colab 中试用
使用 TensorFlow Serving 提供模型为生产 ML 实现 MLOps
TensorFlow 平台可以帮助您实施数据自动化、模型跟踪、性能监控和模型重新训练的最佳实践。
使用生产级工具在产品、服务或业务流程的整个生命周期中自动化和跟踪模型训练对于成功至关重要。 TFX 提供软件框架和工具，用于完整的 MLOps 部署，并在您的数据和模型随着时间的推移而发展时检测问题。
想要扩展您的 ML 知识？
如果您对机器学习原理和核心概念有基本了解，TensorFlow 将更易于使用。学习和应用基本的机器学习实践以发展您的技能。
