TensorFlow
学习
TensorFlow Core
指南
使用集合让一切井井有条
根据您的偏好保存内容并对其进行分类。
TensorFlow 2 侧重于简单性和易用性，其中包含一些更新，例如即刻执行、直观的更高阶 API 以及可在任何平台上灵活建模的功能。
很多指南是以 Jupyter 笔记本的形式编写而成，并直接在 Google Colab（一种无需设置的托管式笔记本环境）中运行。点击“在 Google Colab 中运行”按钮。
必备文档
安装 TensorFlow安装软件包或从源代码构建。对启用 CUDA® 的卡的 GPU 支持。
迁移至 TensorFlow 2 了解 TensorFlow 2 最佳做法和工具，以便从 TF1 代码迁移至 TF2。
KerasKeras 是一个高阶 API，更方便机器学习新手和研究人员使用。
TensorFlow 基础知识了解使 TensorFlow 能正常运行的基本类和功能。
数据输入流水线借助 tf.data API，您可以用简单的可重用片段构建复杂的输入流水线。
Estimator代表完整模型的高阶 API，专为实现缩放和异步训练而设计。
保存模型使用检查点或 SavedModel 格式保存 TensorFlow 模型。
加速器在多个 GPU、多台机器或多个 TPU 之间分配训练任务。
性能提高 TensorFlow 性能的最佳做法和优化技巧。
库和扩展程序 探索使用 TensorFlow 构建高级模型或方法的其他资源，并访问可针对特定领域扩展 TensorFlow 的应用软件包。
chevron_right
TensorBoard一套可视化工具，用于理解、调试和优化 TensorFlow 程序。
chevron_right
TensorFlow Hub一个库，用于发布、发现和使用机器学习模型中可重复利用的部分。
chevron_right
模型优化TensorFlow 模型优化工具包是一套能够优化机器学习模型以便于部署和执行的工具。
chevron_right
TensorFlow Federated一个框架，可用于对分散式数据进行机器学习和其他计算。
chevron_right
Neural Structured Learning一种学习范例，可以利用结构化信号以及特征输入来训练神经网络。
chevron_right
TensorFlow Graphics计算机图形功能库，包括相机、灯光、材料和渲染程序。
chevron_right
数据集可用于 TensorFlow 的一系列数据集。
chevron_right
服务适用于机器学习模型的 TFX 服务系统，专为在生产环境中实现高性能而设计。
chevron_right
ProbabilityTensorFlow Probability 是一个用于概率推理和统计分析的库。
chevron_right
MLIRMLIR 整合了在 TensorFlow 中构建高性能机器学习模型所需的基础架构。
chevron_right
XLA一种针对特定领域的线性代数编译器，可以加快 TensorFlow 模型的运行速度，而且可能不需要更改源代码。
chevron_right
SIG AddonsTensorFlow 的额外功能，由 SIG Addons 维护。
chevron_right
SIG IO数据集、流式传输和文件系统扩展格式，由 SIG IO 维护。
如未另行说明，那么本页面中的内容已根据知识共享署名 4.0 许可获得了许可，并且代码示例已根据 Apache 2.0 许可获得了许可。有关详情，请参阅 Google 开发者网站政策。Java 是 Oracle 和/或其关联公司的注册商标。
最后更新时间 (UTC)：2021-03-24。
[[["易于理解","easyToUnderstand","thumb-up"],["解决了我的问题","solvedMyProblem","thumb-up"],["其他","otherUp","thumb-up"]],[["没有我需要的信息","missingTheInformationINeed","thumb-down"],["太复杂/步骤太多","tooComplicatedTooManySteps","thumb-down"],["内容需要更新","outOfDate","thumb-down"],["翻译问题","translationIssue","thumb-down"],["示例/代码问题","samplesCodeIssue","thumb-down"],["其他","otherDown","thumb-down"]],["最后更新时间 (UTC)：2021-03-24。"],[],[]]