يركز TensorFlow 2 على البساطة وسهولة الاستخدام ، مع تحديثات مثل التنفيذ الحثيث وواجهات برمجة التطبيقات عالية المستوى البديهية وبناء النماذج المرنة على أي نظام أساسي.
تمت كتابة العديد من الأدلة على هيئة دفاتر Jupyter وتشغيلها مباشرةً في Google Colab — بيئة دفتر ملاحظات مستضافة لا تتطلب أي إعداد. انقر فوق الزر تشغيل في Google Colab .
الوثائق الأساسية
tf.data
من إنشاء خطوط إدخال معقدة من قطع بسيطة قابلة لإعادة الاستخدام.
-
غابات قرار TensorFlow مكتبة لتدريب نماذج غابات القرار وتشغيلها وتفسيرها (مثل الغابات العشوائية والأشجار المعززة بالتدرج) في TensorFlow. -
TensorFlow Hub مكتبة لنشر واكتشاف واستهلاك الأجزاء القابلة لإعادة الاستخدام من نماذج التعلم الآلي. -
خدمة نظام تقديم TFX لنماذج ML ، مصمم للأداء العالي في بيئات الإنتاج. -
اتحاد TensorFlow إطار عمل للتعلم الآلي والحسابات الأخرى الخاصة بالبيانات اللامركزية. -
التعلم المنظم العصبي نموذج تعليمي لتدريب الشبكات العصبية من خلال الاستفادة من الإشارات المنظمة بالإضافة إلى مدخلات الميزات. -
رسومات TensorFlow مكتبة لوظائف رسومات الكمبيوتر تتراوح من الكاميرات والأضواء والمواد إلى العارضين. -
إضافات SIG وظائف إضافية لـ TensorFlow ، يتم صيانتها بواسطة SIG Addons.
-
TensorBoard مجموعة من أدوات التصور لفهم برامج TensorFlow وتصحيحها وتحسينها. -
مجموعات البيانات مجموعة من مجموعات البيانات الجاهزة للاستخدام مع TensorFlow. -
نموذج الأمثل مجموعة أدوات تحسين نموذج TensorFlow عبارة عن مجموعة من الأدوات لتحسين نماذج ML للنشر والتنفيذ. -
احتمالا TensorFlow Probability هي مكتبة للتفكير الاحتمالي والتحليل الإحصائي. -
MLIR توحد MLIR البنية التحتية لنماذج ML عالية الأداء في TensorFlow. -
XLA مترجم خاص بالمجال للجبر الخطي يعمل على تسريع نماذج TensorFlow مع عدم وجود تغييرات محتملة في كود المصدر. -
SIG IO مجموعة البيانات ، والتدفق ، وامتدادات نظام الملفات ، تحتفظ بها SIG IO.