TensorFlow 教程以 Jupyter 笔记本格式编写而成,可直接在 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。

针对新手

您最好从用户友好的 Keras Sequential API 入手。您可以将各基础组件组合在一起来构建模型。学完这些教程后,请阅读 Keras 指南

新手快速入门 Keras 基础知识 加载数据
这个“Hello, World!”笔记本演示了 Keras Sequential API 和 model.fit。 此笔记本集合使用 Keras 演示了基本的机器学习任务。 这些教程使用 tf.data 加载各种格式的数据和构建输入流水线。

适合专家

Keras 函数式 API 和子类化 API 提供了由运行定义的自定义和高级研究接口。您可以构建模型,然后编写前向传播和反向传播;还可以创建自定义层、激活函数和训练循环。

高级快速入门 自定义 分布式训练
这个“Hello, World!”笔记本使用 Keras Subclassing API 和自定义训练循环。 此笔记本集合演示了如何在 TensorFlow 中构建自定义层和训练循环。 在多个 GPU、多台机器或多个 TPU 之间分配模型训练。

“高级”部分包含很多说明性笔记本示例,包括神经机器翻译TransformerCycleGAN

视频和博客更新

欢迎订阅 TensorFlow 博客YouTube 频道并在 Twitter 上关注我们,了解最新动态。

阅读 TensorFlow 博客

库和扩展程序

探索使用 TensorFlow 构建高级模型或方法的,并访问可针对特定领域扩展 TensorFlow 的应用软件包。这是适用于这些项目的教程示例。

chevron_right TensorBoard TensorBoard 使用入门 在 Keras 中记录训练指标 chevron_right TensorFlow Hub 对象检测 任意风格迁移 chevron_right 模型优化 使用 Keras 进行基于大小的权重剪枝 训练后量化 chevron_right TensorFlow Federated 图像分类联合学习 文本生成联合学习 chevron_right Neural Structured Learning 使用自然图正则化进行文档分类 使用合成图正则化进行情感分类 chevron_right TensorFlow Graphics 对象姿态对齐 网格分割 chevron_right SIG Addons TensorFlow Addons 中的图像操作 TensorFlow Addons 中的归一化层。 chevron_right TFX TFX 开发者教程 使用 TensorFlow Serving 应用模型 chevron_right 数据集 使用 TensorFlow Datasets chevron_right 概率 TensorFlow Distributions 简介 概率回归 chevron_right XLA 使用 XLA 对 CIFAR-10 进行分类 将 XLA 与 tf.function 搭配使用 chevron_right 决策森林 训练决策森林模型 在决策森林中使用文本和神经网络特征 chevron_right TensorFlow Agents 使用 TF Agents 训练深度 Q 网络 强化学习环境 chevron_right TensorFlow Ranking TF-Ranking Keras 用户指南 适用于稀疏特征的 TF Ranking chevron_right Magenta 使用 Transformer 生成钢琴音乐 GANSynth 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