TensorFlow 正在参加 2021 年度 OSC 中国开源项目评选,请投票支持!
TensorFlow 在 2021 年度 OSC 中国开源项目评选 中已获得 {{ projectVoteCount }} 票,请投票支持!
2021 年度 OSC 中国开源项目评选 正在火热进行中,快来投票支持你喜欢的开源项目!
2021 年度 OSC 中国开源项目评选 >>> 中场回顾
TensorFlow 获得 2021 年度 OSC 中国开源项目评选「最佳人气项目」 !

软件简介

TensorFlow 是一个端到端开源机器学习平台。它拥有一个全面而灵活的生态系统,其中包含各种工具、库和社区资源,可助力研究人员推动先进机器学习技术的发展,并使开发者能够轻松地构建和部署由机器学习提供支持的应用。

轻松地构建模型

TensorFlow 提供多个抽象级别,因此您可以根据自己的需求选择合适的级别。您可以使用高阶 Keras API 构建和训练模型,该 API 让您能够轻松地开始使用 TensorFlow 和机器学习。

如果您需要更高的灵活性,则可以借助即刻执行环境进行快速迭代和直观的调试。对于大型机器学习训练任务,您可以使用 Distribution Strategy API 在不同的硬件配置上进行分布式训练,而无需更改模型定义。

随时随地进行可靠的机器学习生产

TensorFlow 始终提供直接的生产途径。不管是在服务器、边缘设备还是网络上,TensorFlow 都可以助您轻松地训练和部署模型,无论您使用何种语言或平台。

如果您需要完整的生产型机器学习流水线,请使用 TensorFlow Extended (TFX)。要在移动设备和边缘设备上进行推断,请使用 TensorFlow Lite。请使用 TensorFlow.js 在 JavaScript 环境中训练和部署模型。

强大的研究实验

构建和训练先进的模型,并且不会降低速度或性能。借助 Keras Functional API 和 Model Subclassing API 等功能,TensorFlow 可以助您灵活地创建复杂拓扑并实现相关控制。为了轻松地设计原型并快速进行调试,请使用即刻执行环境。

TensorFlow 还支持强大的附加库和模型生态系统以供您开展实验,包括 Ragged Tensors、TensorFlow Probability、Tensor2Tensor 和 BERT。

展开阅读全文

代码

的 Gitee 指数为
超过 的项目

评论

点击加入讨论🔥(23)
发表了资讯
今天 07:22

TensorFlow 2.9 发布,支持 WSL2、默认启用 oneDNN

TensorFlow 是一个用于机器学习的端到端开源平台。它有一个全面灵活的工具、库和社区资源所组成的生态,让开发人员轻松建立和部署由 ML 驱动的应用程序。TensorFlow 最初用于进行机器学习和深度神经网络研究。但该系统具有足够的通用性,也适用于其他广泛的领域。 TensorFlow 2.9 近日正式发布,更新内容包括 oneDNN 的性能改进,以及 DTensor 的发布,其中后者是一个用于模型分布的 API,可以用来无缝地从数据并行迁移到模型并...

0
4
发表了资讯
2021/11/07 07:56

TensorFlow 2.7.0 正式版发布,机器学习平台

TensorFlow 是一个用于机器学习的端到端开源平台。它有一个全面灵活的工具、库和社区资源所组成的生态,让开发人员轻松建立和部署由 ML 驱动的应用程序。TensorFlow 最初用于进行机器学习和深度神经网络研究。但该系统具有足够的通用性,也适用于其他广泛的领域。 2.7.0 主要更新内容: 改进 TensorFlow 调试体验 之前版本 TensorFlow 错误堆栈跟踪涉及很多内部帧,通读所有帧很麻烦,而且有一些帧用户是不可操作的。2.7 版本中...

0
2
发表了资讯
2021/11/02 07:30

TensorFlow 2.6.1 发布,机器学习平台

TensorFlow 是一个用于机器学习的端到端开源平台。它有一个全面灵活的工具、库和社区资源所组成的生态,让开发人员轻松建立和部署由 ML 驱动的应用程序。TensorFlow 最初用于进行机器学习和深度神经网络研究。但该系统具有足够的通用性,也适用于其他广泛的领域。 2.6.1 主要更新内容: 修复了saved_model_cli 中的代码注入问题。( CVE-2021-41228 ) 修复了使用未初始化的值而导致的漏洞。 ( CVE-2021-41225 ) 修复FusedBatchN...

0
4
2021/10/27 07:23

TensorFlow 2.7.0 rc1 发布

TensorFlow 是一个用于机器学习的端到端开源平台。它有一个全面灵活的工具、库和社区资源所组成的生态,让开发人员轻松建立和部署由 ML 驱动的应用程序。 TensorFlow 最初用于进行机器学习和深度神经网络研究。但该系统具有足够的通用性,也适用于其他广泛的领域。 主要变化 tf.keras: Model.fit()、 Model.predict() 和 Model.evaluate()方法将不再把 (batch_size,)的输入数据上升为 (batch_size, 1)。这使得 Model子类能够在其...

2
3
2021/09/07 08:21

TensorFlow 因代码执行漏洞将弃用 YAML,推荐开发者改用 JSON

Tensorflow 是一个基于 Python 的机器学习和人工智能项目,该项目由 Google 开发。近日 TensorFlow 已经放弃了对 YAML 的支持,以修复一个关键的代码执行漏洞。 YAML 或 YAML Ain't Markup Language 是一种人类可读的数据序列化语言,用于在进程和应用程序之间传递对象和存储数据,许多 Python 应用程序都使用 YAML 来序列化和反序列化对象。 该漏洞的 CVE ID 为 CVE-2021-37678。TensorFlow 和 Keras(TensorFlow 的一个封装项...

19
6
2021/07/13 08:14

Google 将 TensorFlow Lite 引入 Android,鼓励更多应用使用机器学习

近些年来,各大科技公司都在致力于人工智能与机器学习的研究,其中 Google 是在该领域发展最为迅速的公司,如今 Google 已经将这些技术运用于搜索、邮件、翻译、助手等多个领域。在今年的 Google I/O 2021 上,Google 还对外展示了 LaMDA(Language Model for Dialogue Applications) ,这是一个利用 AI 技术,专为对话应用设计的语言模型。 最近一年,各大科技公司还将人工智能与机器学习的研究重点从服务器端转移至设备端。相...

3
3
发表了资讯
2021/05/16 07:32

TensorFlow 2.5.0 稳定版发布,包含重大改进

TensorFlow 2.5.0 稳定版已发布,此版本增加了许多重要的新特性和重大改进。 新特性和改进 1. 增加了对 Python3.9 的支持。 2. tf.data tf.data 服务现已支持严格的轮循读取,这对于示例大小不同的同步训练工作负载很有用。利用严格的轮循读取,用户可以保证消费者在同一步骤中获得相似大小的示例。 tf.data 服务现已支持可选压缩。以前,数据总是经过压缩,但现在可以通过向 tf.data.experimental.service.distribute(...) 传递...

1
3
发表于AI & 大数据专区
2021/01/12 08:12

TensorFlow 2.3.2 发布

TensorFlow 2.3.2 发布了,主要更新内容包括: 修复了对 Eigen 代码中的统一内存访问(CVE-2020-26266) 修复了由于tf.raw_ops.DataFormatVecPermute和tf.raw_ops.DataFormatDimMap中缺少验证而导致的安全漏洞。(CVE-2020-26267) 修复了在tf.raw_ops.ImmutableConst中尝试写入不可变内存区域导致的漏洞(CVE-2020-26268) 修复了 LSTM 中输入长度为零的CHECK-fail 问题(CVE-2020-26270) 修复了一个安全漏洞,该漏洞是由于在...

2
3
2020/12/22 09:08

谷歌 AI 掌门人 Jeff Dean 获 IEEE 冯诺依曼奖

IEEE 2021 多项大奖结果已于近日正式出炉。其中,谷歌高级研究员、AI 掌门 Jeff Dean 摘得了 IEEE 冯诺依曼奖,获奖理由为“表彰其对大规模分布式计算系统和人工智能系统的科学和工程贡献”。 Jeff Dean 于 1968 年 7 月出生在夏威夷。1990 年,Jeff Dean 从明尼苏达大学计算机与经济学系取得学士学位,毕业论文被评为最优等(summa cum laude)。其论文内容研究的是如何并行训练神经网络,当中提到的两种并行训练方法都是基于反...

9
4
发表了资讯
2020/12/15 10:42

TensorFlow 2.4 发布

TensorFlow 2.4 发布。主要更新包括对分布式训练和混合精度的支持,新的 NumPy 前端以及用于监视和诊断瓶颈的工具,此外还涉及性能和扩展方面的增强。 tf.distribute 中的新功能 参数服务器策略 在 2.4 中,tf.distribute模块引入了使用 ParameterServerStrategy 对模型进行异步训练的实验支持。以及自定义训练循环。参数服务器训练集群由工作服务器和参数服务器组成。变量在参数服务器上创建,然后在每个步骤中由工作人员读取和...

3
5
发表于AI & 大数据专区
2020/09/26 07:41

TensorFlow 2.3.1 发布

TensorFlow 2.3.1 发布了,主要更新内容: 修复了导致 tf.raw_ops.Switch 中出现 segfault 的未定义行为 修复了转换为 DLPack 格式的三个漏洞 修复了 SparseFillEmptyRowsGrad 中的两个漏洞 修复了 RaggedCountSparseOutput 和 SparseCountSparseOutput 操作中的几个漏洞 修复了 tf.strings.as_string 中的格式字符串漏洞 修复了通过在紧急模式下调用仅会话的操作而引发的 segfault 修复了来自 tf.raw_ops.StringNGrams 的数据泄...

0
2
发表于AI & 大数据专区
2020/07/28 07:29

TensorFlow 2.3.0 正式发布

TensorFlow 2.3.0 正式发布了,主要特性和改进包括: tf.data 添加了两种新机制来解决输入管道瓶颈并节省资源 snapshot tf.data service. 可查看使用 TF Profiler 分析输入管道性能的详细指南。 tf.distribute.TPUStrategy 现在是一个稳定的 API,不再被视为 TensorFlow 的实验版本。 (先前的tf.distribute.experimental.TPUStrategy)。 TF Profiler 引入了两个新工具:一个用于在一段时间内可视化模型内存使用情况的内存分析...

2
5
发表于AI & 大数据专区
2020/07/20 07:09

TensorFlow 2.3.0-rc2 发布

TensorFlow 2.3.0 的第二个候选版本发布了,主要特性和改进包括: tf.data 添加了两种新机制来解决输入管道瓶颈并节省资源 snapshot tf.data service. 可查看使用 TF Profiler 分析输入管道性能的详细指南。 tf.distribute.TPUStrategy 现在是一个稳定的 API,不再被视为 TensorFlow 的实验版本。 (先前的tf.distribute.experimental.TPUStrategy)。 TF Profiler 引入了两个新工具:一个用于在一段时间内可视化模型内存使用情...

2
0
发表于AI & 大数据专区
2020/06/30 07:18

TensorFlow 2.3.0-rc0 发布

TensorFlow 2.3.0 的首个候选版本发布了,主要特性和改进包括: tf.data 添加了两种新机制来解决输入管道瓶颈并节省资源 snapshot tf.data service. 详情可查看使用 TF Profiler 分析输入管道性能的详细指南。 tf.distribute.TPUStrategy 现在是一个稳定的 API,不再被视为 TensorFlow 的实验版本。 (先前的tf.distribute.experimental.TPUStrategy)。 TF Profiler 引入了两个新工具:一个用于在一段时间内可视化模型内存使用...

2
2
发表于AI & 大数据专区
2020/05/20 07:30

TensorFlow 2.1.1 发布

TensorFlow 2.1.1 发布了,这是一个 bug 修复版本,主要更新内容包括: sqlite3 更新为 3.31.01,以处理 CVE-2019-19880、CVE-2019-19244 和 CVE-2019-19645 curl 更新为 7.69.1,以处理 CVE-2019-15601 libjpeg-turbo 更新为 2.0.4,以处理 CVE-2018-19664、CVE-2018-20330 和 CVE-2019-13960 Apache Spark 更新为 2.4.5,以处理 CVE-2019-10099、CVE-2018-17190 和 CVE-2018-11770 修复了一个版本控制错误,该错误导致使用 TF...

1
2
发表于AI & 大数据专区
2020/05/07 08:00

TensorFlow 2.2.0 正式发布

TensorFlow 2.2.0 正式发布了,该版本终止了对 Python 2 的支持。现在,新的 TensorFlow Docker 镜像版本仅提供 Python 3。 主要特性和改进 将字符串张量的标量类型从 std::string 替换为 tensorflow::tstring TF 2 的新 Profiler,用于 CPU/GPU/TPU。它提供设备和主机性能分析,包括输入管道和 TF Ops。 不推荐使用 SWIG,而是使用 pybind11 将 C++ 函数导出到 Python,这是弃用 Swig 所作努力的一部分。 tf.distribute: 通过...

2
4
发表于AI & 大数据专区
2020/03/22 07:35

TensorFlow 2.2.0-rc1 发布

TensorFlow 2.2.0 发布了新的候选版本。TensorFlow 2.2.0 的主要特性和改进包含以下内容: 将字符串张量的标量类型从 std::string 替换为 tensorflow::tstring TF 2 的新 Profiler,用于 CPU/GPU/TPU。它提供设备和主机性能分析,包括输入管道和 TF Ops。 不推荐使用 SWIG,而是使用 pybind11 将 C++ 函数导出到 Python,这是弃用 Swig 所作努力的一部分。 tf.distribute: 通过使用新添加的 tf.keras.layers.experimental.Syn...

0
0
发表于AI & 大数据专区
2020/03/15 07:56

TensorFlow 2.2.0-rc0 发布

TensorFlow 2.2.0-rc0 发布了,更新内容如下: 主要特性和改进 将字符串张量的标量类型从 std::string 替换为 tensorflow::tstring TF 2 的新 Profiler,用于 CPU/GPU/TPU。它提供设备和主机性能分析,包括输入管道和 TF Ops。 不推荐使用 SWIG,而是使用 pybind11 将 C++ 函数导出到 Python,这是弃用 Swig 所作努力的一部分。 tf.distribute: 通过使用新添加的 tf.keras.layers.experimental.SyncBatchNormalization 层,添加...

2
1
发表于AI & 大数据专区
2020/01/27 07:35

TensorFlow 2.0.1 发布

TensorFlow 2.0.1 发布了,更新内容如下: 修复了一个安全漏洞,其中将 Python 字符串转换为 tf.float16 值会产生分段错误 (CVE-2020-5215) 将 curl 更新为 7.66.0 以处理 CVE-2019-5482 和 CVE-2019-5481 将 sqlite3 更新为 3.30.01 以处理 CVE-2019-19646、CVE-2019-19645 和 CVE-2019-16168 更新说明: https://github.com/tensorflow/tensorflow/releases/tag/v2.0.1...

3
3
发表于AI & 大数据专区
2020/01/24 07:17

TensorFlow 1.15.1 发布,修复安全漏洞

TensorFlow 1.15.1 发布了,这是一个安全更新版本。 此版本更新内容如下: 修复了一个安全漏洞,其中将 Python 字符串转换为 tf.float16 值会产生段错误(CVE-2020-5215) curl 升级到7.66.0,以解决 CVE-2019-5482 与 CVE-2019-5481 sqlite3 升级到3.30.01,以解决 CVE-2019-19646、CVE-2019-19645 与 CVE-2019-16168 更新说明: https://github.com/tensorflow/tensorflow/releases/tag/v1.15.1...

0
3
没有更多内容
加载失败,请刷新页面
点击加载更多
加载中
下一页
发表了博客
{{o.pubDate | formatDate}}

{{formatAllHtml(o.title)}}

{{parseInt(o.replyCount) | bigNumberTransform}}
{{parseInt(o.viewCount) | bigNumberTransform}}
没有更多内容
暂无内容
发表了问答
{{o.pubDate | formatDate}}

{{formatAllHtml(o.title)}}

{{parseInt(o.replyCount) | bigNumberTransform}}
{{parseInt(o.viewCount) | bigNumberTransform}}
没有更多内容
暂无内容
23 评论
880 收藏
分享
OSCHINA
登录后可查看更多优质内容
返回顶部
顶部
返回顶部
顶部