TensorFlow 1.9 Dokumentáció
TensorFlow egy nyílt forráskódú szoftver könyvtár számolás segítségével adatfolyam diagramok. A grafikon csomópontok képviselik matematikai műveletek, míg a gráf élei képviseli a többdimenziós adatok tömbök (tenzorokat), hogy a flow közöttük. Ez a rugalmas szerkezet lehetővé teszi, hogy telepíteni számítás, hogy egy vagy több CPU vagy GPU egy asztali, szerver, vagy mobil eszköz nélkül újraírása kódot. TensorFlow is TensorBoard, egy adat vizualizációs eszközkészletet.
TensorFlow eredetileg a kutatók és mérnökök dolgoznak a Google Brain csapat a Google saját Machine Intelligence Research szervezet folytatása céljából gépi tanulás és mély neurális hálózatok kutatás. A rendszer elég általános ahhoz, hogy alkalmazható a legkülönbözőbb más területeken is.
Nevezd:
A TensorFlow logó és minden kapcsolódó védjegyek a Google Inc. védjegyei
Tartalomjegyzék
Telepítse TensorFlow
Telepítse TensorFlow Ubuntu
Telepítse TensorFlow MacOS
Telepítse a Windows TensorFlow
Telepítse TensorFlow on Raspbian
Telepítse TensorFlow forrásokból származó
Átmenet a TensorFlow 1.0
Telepítse TensorFlow Java
Telepítse TensorFlow Go
Telepítse TensorFlow C
TensorFlow Guide
Keras
buzgó Execution
adatok importálása
Bevezetés a becslések
előre elkészített becslések
Az ellenőrzőpontok
Feature oszlopok
Adathalmaz becslések
Létrehozása Egyéni becslések
használata GPU
használata TPUs
Bevezetés
tenzorok
változók
Grafikonok és Sessions
Mentés és visszaállítás
embeddings
TensorFlow Debugger
vizualizációja Learning
grafikonok
Histograms
TensorFlow verzió kompatibilitás
Gyakran Ismételt Kérdések
Áttekintés
alapvető besorolás
szöveg osztályozás
Regresszió
Overfitting és underfitting
Mentési és visszaállítási modellek
Áttekintés
Egyéni képzés: walkthrough
Lineáris modell becslések
Szöveg osztályozó TF-Hub
Építs egy CNN segítségével becslések
képfelismerés
A fényképek átképzés
Részletes CNN
Időszakos neurális hálózat
rajz besorolás
Egyszerű hangfelismerés
Vektor ábrázolások szavak
kernel módszerek
Nagyszabású lineáris modellek
Mandelbrot-halmaz
Részleges differenciálegyenletek
Következő lépések
Vezesse
elosztott TensorFlow
Hogyan fut TensorFlow a Hadoop
Hogyan fut TensorFlow S3
Telepíteni kell a JavaScript
Bevezetés
A felépítés áttekintése
Telepítés
Tálalás TensorFlow Model
RESTful API
Az épület Normál TensorFlow ModelServer
Tálalás Inception modell TensorFlow szolgáló és Kubernetes
Létrehozva egy új fajta jeleníthető
Létrehozása egy modul, amely felfedezi az új jeleníthető utak
SignatureDefs a SavedModel az TensorFlow kiszolgálása
Használata TensorFlow kiszolgálása révén Docker
Teljesítmény
Performance Guide
Input Pipeline Performance Guide
referenciaértékek
Fix pont kvantálás
XLA Áttekintés
Broadcasting szemantika
Fejlődő új backend XLA
Használata JIT összeállítása
Működés szemantika
Alakzatok és elrendezés
Használata AOT összeállítás
Hosszabbítsa
TensorFlow Architecture
Egy új Op
Hozzáadása Egyéni fájlrendszer Plugin
Olvasás egyéni fájl és formátumai
TensorFlow más nyelveken
A Tool Fejlesztői útmutató TensorFlow Model Files
Áttekintés
Bevezetés a TensorFlow Lite
Fejlesztői útmutató
Android demóalkalmazás
iOS demóalkalmazás
Teljesítmény
Bevezetés a TensorFlow Mobile
Az épület TensorFlow Androidon
Az épület TensorFlow iOS-
Integrálása TensorFlow könyvtárak
Felkészülés modellek mobil bevetés
Optimalizálása mobil
Közösség
ütemterv
Hozzájárulás TensorFlow
Levelező listák
felhasználói csoportok
Írásban TensorFlow dokumentáció
TensorFlow Style Guide
Definiálása és futtatása benchmarkok
Mintegy TensorFlow
TensorFlow Használatban
TensorFlow White Papers
tulajdonság
Áttekintés
Telepítés
Egy modul
Létrehozása Új modul
Finomhangolás
Tárhely Modul
A fényképek Átképzés
szöveg osztályozás
Áttekintés
Közös Aláírások Képek
Közös Aláírások szöveg
Áttekintés
add_signature
create_module_spec
get_expected_image_size
get_num_image_channels
image_embedding_column
LatestModuleExporter
load_module_spec
modul
ModuleSpec
register_module_for_export
text_embedding_column
Áttekintés
A fényképek modulok
Szvg.modulok
egyéb modulok