TensorFlow adalah platform sumber terbuka menyeluruh untuk pembelajaran mesin. Ini memiliki ekosistem alat, perpustakaan, dan sumber daya komunitas yang komprehensif dan fleksibel yang memungkinkan peneliti mendorong teknologi tercanggih dalam ML dan pengembang dengan mudah membangun dan menerapkan aplikasi yang didukung ML.
TensorFlow awalnya dikembangkan oleh para peneliti dan insinyur yang bekerja dalam tim Machine Intelligence di Google Brain untuk melakukan penelitian di bidang pembelajaran mesin dan jaringan saraf. Namun, kerangka ini cukup fleksibel untuk digunakan di area lain juga.
TensorFlow menyediakan API Python dan C++ yang stabil, serta API kompatibel ke belakang tanpa jaminan untuk bahasa lain.
Ikuti terus perkembangan pengumuman rilis dan pembaruan keamanan dengan berlangganan [email protected]. Lihat semua milis.
Lihat panduan instalasi TensorFlow untuk paket pip, untuk mengaktifkan dukungan GPU, menggunakan container Docker, dan membangun dari sumber.
Untuk menginstal rilis saat ini, yang mencakup dukungan untuk kartu GPU berkemampuan CUDA (Ubuntu dan Windows) :
$ pip install tensorflow
Perangkat lain (DirectX dan MacOS-metal) didukung menggunakan plugin Perangkat.
Paket khusus CPU yang lebih kecil juga tersedia:
$ pip install tensorflow-cpu
Untuk mengupdate TensorFlow ke versi terbaru, tambahkan tanda --upgrade
ke perintah di atas.
Biner nightly tersedia untuk pengujian menggunakan paket tf-nightly dan tf-nightly-cpu di PyPi.
$piton
>>> impor tensorflow sebagai tf>>> tf.add(1, 2).numpy()3>>> hello = tf.constant('Halo, TensorFlow!')>>> hello.numpy()b'Halo , Aliran Tensor!'
Untuk contoh lainnya, lihat tutorial TensorFlow.
Jika Anda ingin berkontribusi ke TensorFlow, pastikan untuk meninjau pedoman kontribusi. Proyek ini mematuhi kode etik TensorFlow. Dengan berpartisipasi, Anda diharapkan menjunjung tinggi kode ini.
Kami menggunakan masalah GitHub untuk melacak permintaan dan bug, silakan lihat Forum TensorFlow untuk pertanyaan umum dan diskusi, dan harap ajukan pertanyaan spesifik ke Stack Overflow.
Proyek TensorFlow berupaya mematuhi praktik terbaik yang diterima secara umum dalam pengembangan perangkat lunak sumber terbuka.
Ikuti langkah-langkah berikut untuk melakukan patch pada versi TensorFlow tertentu, misalnya, untuk menerapkan perbaikan pada bug atau kerentanan keamanan:
Kloning repo TensorFlow dan beralih ke cabang yang sesuai untuk versi TensorFlow yang Anda inginkan, misalnya cabang r2.8
untuk versi 2.8.
Terapkan (yaitu, pilihlah) perubahan yang diinginkan dan selesaikan konflik kode apa pun.
Jalankan pengujian TensorFlow dan pastikan pengujian tersebut lulus.
Bangun paket pip TensorFlow dari sumber.
Anda dapat menemukan lebih banyak platform dan konfigurasi yang didukung komunitas di tabel build komunitas TensorFlow SIG Build.
Tipe Bangun | Status | Artefak |
---|---|---|
CPU Linux | PyPI | |
GPU Linux | PyPI | |
Linux XLA | TBA | |
macOS | PyPI | |
CPU Windows | PyPI | |
GPU Windows | PyPI | |
Android | Unduh | |
Raspberry Pi 0 dan 1 | Py3 | |
Raspberry Pi 2 dan 3 | Py3 | |
CPU MacOS Libtensorflow | Status Sementara Tidak Tersedia | GCS Resmi Biner Malam |
CPU Linux Libtensorflow | Status Sementara Tidak Tersedia | GCS Resmi Biner Malam |
GPU Linux Libtensorflow | Status Sementara Tidak Tersedia | GCS Resmi Biner Malam |
CPU Windows Libtensorflow | Status Sementara Tidak Tersedia | GCS Resmi Biner Malam |
GPU Windows Libtensorflow | Status Sementara Tidak Tersedia | GCS Resmi Biner Malam |
TensorFlow.org
Tutorial TensorFlow
Model Resmi TensorFlow
Contoh TensorFlow
Codelab TensorFlow
Blog TensorFlow
Pelajari ML dengan TensorFlow
TensorFlow Twitter
TensorFlow YouTube
Peta jalan pengoptimalan model TensorFlow
Buku Putih TensorFlow
Perangkat Visualisasi TensorBoard
Pencarian Kode TensorFlow
Pelajari lebih lanjut komunitas TensorFlow dan cara berkontribusi.
Kursus
kota Uda
Edx
Lisensi Apache 2.0