TensorFlow 是一個用於機器學習的端到端開源平台。它擁有一個由工具、庫和社區資源組成的全面、靈活的生態系統,使研究人員能夠推動機器學習領域的最先進技術,並使開發人員能夠輕鬆建立和部署機器學習驅動的應用程式。
TensorFlow 最初是由 Google Brain 機器智慧團隊的研究人員和工程師開發的,用於進行機器學習和神經網路研究。然而,該框架具有足夠的通用性,也可以用於其他領域。
TensorFlow 提供穩定的 Python 和 C++ API,以及針對其他語言的無保證向後相容的 API。
透過訂閱[email protected] 了解最新的發佈公告和安全性更新。查看所有郵件清單。
請參閱 pip 套件的 TensorFlow 安裝指南,以啟用 GPU 支援、使用 Docker 容器並從原始程式碼建置。
若要安裝目前版本,其中包含啟用 CUDA 的 GPU 卡(Ubuntu 和 Windows)的支援:
$ pip install tensorflow
使用裝置插件支援其他裝置(DirectX 和 MacOS-metal)。
還提供更小的僅 CPU 封裝:
$ pip install tensorflow-cpu
若要將 TensorFlow 更新到最新版本,請在上述命令中新增--upgrade
標誌。
每晚二進位檔案可用於使用 PyPi 上的 tf-nightly 和 tf-nightly-cpu 套件進行測試。
$ 蟒蛇
>>> 將tensorflow匯入為tf>>> tf.add(1, 2).numpy()3>>> hello = tf.constant('Hello, TensorFlow!')>>> hello.numpy()b' Hello ,TensorFlow!
有關更多範例,請參閱 TensorFlow 教學。
如果您想為 TensorFlow 做出貢獻,請務必查看貢獻指南。該項目遵守 TensorFlow 的行為準則。透過參與,您應該遵守此準則。
我們使用 GitHub issues 來追蹤請求和錯誤,請參閱 TensorFlow 論壇以了解一般問題和討論,並將具體問題直接發送至 Stack Overflow。
TensorFlow 專案致力於遵守開源軟體開發中普遍接受的最佳實務。
請依照下列步驟修補特定版本的 TensorFlow,例如,修正錯誤或安全漏洞:
複製 TensorFlow 儲存庫並切換到所需 TensorFlow 版本的相應分支,例如版本 2.8 的分支r2.8
。
應用(即挑選)所需的更改並解決任何程式碼衝突。
運行 TensorFlow 測試並確保它們通過。
從原始碼建置 TensorFlow pip 套件。
您可以在 TensorFlow SIG Build 社群建立表中找到更多社群支援的平台和配置。
建置類型 | 地位 | 文物 |
---|---|---|
Linux中央處理器 | 皮伊 | |
Linux GPU | 皮伊 | |
Linux XLA | 待定 | |
macOS | 皮伊 | |
視窗CPU | 皮伊 | |
視窗GPU | 皮伊 | |
安卓 | 下載 | |
樹莓派 0 和 1 | Python3 | |
樹莓派 2 和 3 | Python3 | |
Libtensorflow MacOS CPU | 狀態暫時無法使用 | 每晚二進位官方 GCS |
Libtensorflow Linux CPU | 狀態暫時無法使用 | 每晚二進位官方 GCS |
Libtensorflow Linux GPU | 狀態暫時無法使用 | 每晚二進位官方 GCS |
Libtensorflow Windows CPU | 狀態暫時無法使用 | 每晚二進位官方 GCS |
Libtensorflow Windows GPU | 狀態暫時無法使用 | 每晚二進位官方 GCS |
TensorFlow.org
TensorFlow 教學課程
TensorFlow 官方模型
TensorFlow 範例
TensorFlow 代碼實驗室
TensorFlow 博客
使用 TensorFlow 學習機器學習
TensorFlow 推特
TensorFlow YouTube
TensorFlow模型最佳化路線圖
TensorFlow 白皮書
TensorBoard 視覺化工具包
TensorFlow 代碼搜尋
了解有關 TensorFlow 社區以及如何做出貢獻的更多資訊。
Coursera
優達學城
艾德克斯
阿帕契許可證 2.0