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、Transformer 和 CycleGAN。
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库,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