TensorFlow 是一个用于机器学习的端到端开源平台。它拥有一个由工具、库和社区资源组成的全面、灵活的生态系统,使研究人员能够推动机器学习领域的最先进技术,并使开发人员能够轻松构建和部署机器学习驱动的应用程序。
TensorFlow 最初是由 Google Brain 机器智能团队的研究人员和工程师开发的,用于进行机器学习和神经网络研究。然而,该框架具有足够的通用性,也可以用于其他领域。
TensorFlow 提供稳定的 Python 和 C++ API,以及针对其他语言的无保证向后兼容的 API。
通过订阅[email protected] 了解最新的发布公告和安全更新。查看所有邮件列表。
请参阅 pip 包的 TensorFlow 安装指南,以启用 GPU 支持、使用 Docker 容器并从源代码构建。
要安装当前版本,其中包括对启用 CUDA 的 GPU 卡(Ubuntu 和 Windows)的支持:
$ pip install tensorflow
使用设备插件支持其他设备(DirectX 和 MacOS-metal)。
还提供更小的仅 CPU 封装:
$ pip install tensorflow-cpu
要将 TensorFlow 更新到最新版本,请在上述命令中添加--upgrade
标志。
每晚二进制文件可用于使用 PyPi 上的 tf-nightly 和 tf-nightly-cpu 包进行测试。
$ 蟒蛇
>>> 将tensorflow导入为tf>>> tf.add(1, 2).numpy()3>>> hello = tf.constant('Hello, TensorFlow!')>>> hello.numpy()b'Hello ,TensorFlow!'
有关更多示例,请参阅 TensorFlow 教程。
如果您想为 TensorFlow 做出贡献,请务必查看贡献指南。该项目遵守 TensorFlow 的行为准则。通过参与,您应该遵守此准则。
我们使用 GitHub issues 来跟踪请求和错误,请参阅 TensorFlow 论坛了解一般问题和讨论,并将具体问题直接发送至 Stack Overflow。
TensorFlow 项目致力于遵守开源软件开发中普遍接受的最佳实践。
请按照以下步骤修补特定版本的 TensorFlow,例如,修复错误或安全漏洞:
克隆 TensorFlow 存储库并切换到所需 TensorFlow 版本的相应分支,例如版本 2.8 的分支r2.8
。
应用(即挑选)所需的更改并解决任何代码冲突。
运行 TensorFlow 测试并确保它们通过。
从源代码构建 TensorFlow pip 包。
您可以在 TensorFlow SIG Build 社区构建表中找到更多社区支持的平台和配置。
构建类型 | 地位 | 文物 |
---|---|---|
Linux中央处理器 | 皮伊 | |
Linux GPU | 皮伊 | |
Linux XLA | 待定 | |
macOS | 皮伊 | |
视窗CPU | 皮伊 | |
视窗GPU | 皮伊 | |
安卓 | 下载 | |
树莓派 0 和 1 | py3 | |
树莓派 2 和 3 | py3 | |
Libtensorflow MacOS CPU | 状态暂时不可用 | 每晚二进制官方 GCS |
Libtensorflow Linux CPU | 状态暂时不可用 | 每晚二进制官方 GCS |
Libtensorflow Linux GPU | 状态暂时不可用 | 每晚二进制官方 GCS |
Libtensorflow Windows CPU | 状态暂时不可用 | 每晚二进制官方 GCS |
Libtensorflow Windows GPU | 状态暂时不可用 | 每晚二进制官方 GCS |
TensorFlow.org
TensorFlow 教程
TensorFlow 官方模型
TensorFlow 示例
TensorFlow 代码实验室
TensorFlow 博客
使用 TensorFlow 学习机器学习
TensorFlow 推特
TensorFlow YouTube
TensorFlow模型优化路线图
TensorFlow 白皮书
TensorBoard 可视化工具包
TensorFlow 代码搜索
了解有关 TensorFlow 社区以及如何做出贡献的更多信息。
Coursera
优达学城
埃德克斯
阿帕奇许可证 2.0