Website
github.com
Author: Jinming Yang
Описание
TensorFlow — это комплексная открытая платформа машинного обучения от Google, предназначенная как для начинающих, так и для экспертов в ML-сообществе. Изначально разработанная командой Google Brain, она предоставляет полный набор инструментов, библиотек и ресурсов сообщества для создания моделей машинного обучения. Платформа поддерживает несколько языков программирования и обеспечивает развертывание в различных средах, включая серверы, мобильные устройства, периферийные вычисления, браузеры и облачные платформы. Гибкая архитектура TensorFlow подходит как для простого прототипирования моделей, так и для крупномасштабного распределенного обучения, что делает её идеальной для исследований и промышленного внедрения.
Возможности
Высокоуровневые API с интеграцией Keras
Интуитивно понятный API Keras обеспечивает простое построение моделей с немедленным выполнением для быстрой итерации и отладки, подходит как для начинающих, так и для опытных пользователей.
Кроссплатформенное развертывание
Развертывайте модели на серверах, мобильных устройствах, в браузерах, на периферийных устройствах и специализированном оборудовании, включая GPU, CPU и TPU.
Возможности распределенного обучения
Встроенный API Distribution Strategy позволяет обучать модели на различных аппаратных конфигурациях без изменения определений моделей, поддерживая крупномасштабные задачи машинного обучения.
Готовые к производству инструменты MLOps
Полная экосистема MLOps, включая TFX для производственных конвейеров, TensorFlow Serving для развертывания моделей и инструменты мониторинга для управления жизненным циклом.
Обширная экосистема моделей
Доступ к TensorFlow Hub с предобученными моделями, Model Garden с современными реализациями и многочисленным дополнительным библиотекам для специализированных задач.
Сценарии использования
Исследования в области глубокого обучения
Исследователи могут строить и экспериментировать со сложными архитектурами нейронных сетей, используя гибкие API и доступ к передовым моделям и технологиям.
Корпоративное внедрение ML
Организации могут внедрять масштабируемые решения машинного обучения с помощью надежных инструментов для развертывания моделей, мониторинга и автоматического переобучения.
Мобильные и периферийные вычисления
Разработчики могут создавать легковесные ML-приложения для мобильных устройств и IoT-систем с помощью TensorFlow Lite для локального инференса.
Веб-приложения на базе ML
Создавайте интерактивные приложения машинного обучения прямо в браузере с помощью TensorFlow.js без необходимости серверной обработки.
Компьютерное зрение и обработка естественного языка
Реализуйте современные решения в области компьютерного зрения и обработки естественного языка с помощью специализированных инструментов и предобученных моделей из экосистемы.
Частые вопросы
TensorFlow в первую очередь поддерживает Python и C++, а также предоставляет дополнительные API для JavaScript (TensorFlow.js), Java, Go и других языков благодаря вкладу сообщества.
Да, TensorFlow Lite позволяет запускать оптимизированные модели на мобильных и встроенных устройствах с уменьшенным размером модели и более быстрой инференцией для локального развертывания.
Keras теперь интегрирован как высокоуровневый API TensorFlow, предоставляя удобный интерфейс для построения моделей, в то время как TensorFlow служит вычислительным ядром.
Да, TensorFlow включает API Distribution Strategy для обучения моделей на нескольких GPU, TPU или машинах без изменения кода модели.
Безусловно. TensorFlow предлагает высокоуровневые API Keras с обширной документацией, учебниками и готовыми моделями, что делает его доступным для начинающих в ML.
Да, TensorFlow предоставляет готовые к производству инструменты, включая TensorFlow Serving для развертывания моделей, TFX для построения полных ML-пайплайнов и возможности мониторинга.
Характеристики
| Тип | Репозиторий |
| Категория | GitHub-проекты / Из awesome-списка |
| Цена | открытый код |
| Платформа | Своё развёртывание |
| Системы | исходный код |
| Язык сайта | en |
| GitHub | nicepkg/gpt-runner |
| Рейтинг | 4.78 (9 отзывов) |
| Просмотры | 603 245 |
| Запуск | 2020-01-28 |