TensorFlow מקל על יצירת מודלים של ML שיכולים לפעול בכל סביבה. למד כיצד להשתמש בממשקי ה-API האינטואיטיביים באמצעות דוגמאות קוד אינטראקטיביות.
import tensorflow as tf mnist = tf.keras.datasets.mnist (x_train, y_train),(x_test, y_test) = mnist.load_data() x_train, x_test = x_train / 255.0, x_test / 255.0 model = tf.keras.models.Sequential([ tf.keras.layers.Flatten(input_shape=(28, 28)), tf.keras.layers.Dense(128, activation='relu'), tf.keras.layers.Dropout(0.2), tf.keras.layers.Dense(10, activation='softmax') ]) model.compile(optimizer='adam', loss='sparse_categorical_crossentropy', metrics=['accuracy']) model.fit(x_train, y_train, epochs=5) model.evaluate(x_test, y_test)
חקור דוגמאות לאופן שבו TensorFlow משמש לקידום מחקר ולבניית יישומים המופעלים על ידי בינה מלאכותית.
GNNs יכולים לעבד מערכות יחסים מורכבות בין אובייקטים, מה שהופך אותם לטכניקה רבת עוצמה לחיזוי תנועה, גילוי רפואי ועוד.
למד כיצד TensorFlow Lite מאפשר גישה להערכת אולטרסאונד עוברית, ומשפר את התוצאות הבריאותיות עבור נשים ומשפחות ברחבי קניה והעולם.
למד כיצד Spotify משתמש במערכת האקולוגית TensorFlow כדי לעצב סימולטור לא מקוון הניתן להרחבה ולהכשיר את סוכני RL ליצור רשימות השמעה.
קרא את ההכרזות האחרונות מצוות TensorFlow והקהילה.
גלה כלים שנבדקו בייצור כדי להאיץ מודלים, פריסה וזרימות עבודה אחרות.
סִפְרִיָה
TensorFlow Lite פרוס ML במכשירים ניידים וקצה כמו Android, iOS, Raspberry Pi ו-Edge TPU.
סִפְרִיָה
אימון והפעל דגמים ישירות בדפדפן באמצעות JavaScript או Node.js.
ממשק API
עיבוד מוקדם של נתונים ויצירת צינורות קלט עבור מודלים של ML.
סִפְרִיָה
צור צינורות ML לייצור והטמיע שיטות עבודה מומלצות של MLOps.
ממשק API
צור מודלים של ML עם ה-API ברמה גבוהה של TensorFlow.