🕷️ Crawler Inspector

[](https://tensorflowcn.cn/) [安装](https://tensorflowcn.cn/install) [学习](https://tensorflowcn.cn/learn) - [简介 TensorFlow 新手？](https://tensorflowcn.cn/learn) - [教程 学习如何使用 TensorFlow 进行端到端的示例](https://tensorflowcn.cn/tutorials) - [指南 学习框架概念和组件](https://tensorflowcn.cn/guide) - [学习 ML 掌握 TensorFlow 学习路径的教育资源](https://tensorflowcn.cn/resources/learn-ml) [API](https://tensorflowcn.cn/api) - [TensorFlow (v2.16.1)](https://tensorflowcn.cn/api/stable) - [版本…](https://tensorflowcn.cn/versions) - [TensorFlow.js](https://js.tensorflow.org/api/latest/) - [TensorFlow Lite](https://tensorflowcn.cn/lite/api_docs) - [TFX](https://tensorflowcn.cn/tfx/api_docs) [生态系统](https://tensorflowcn.cn/resources/models-datasets) - 库 - [TensorFlow.js 使用 JavaScript 开发 Web ML 应用程序](https://tensorflowcn.cn/js) - [TensorFlow Lite 在移动设备、微控制器和其他边缘设备上部署 ML](https://tensorflowcn.cn/lite) - [TFX 构建生产 ML 管道](https://tensorflowcn.cn/tfx) - [所有库 创建高级模型并扩展 TensorFlow](https://tensorflowcn.cn/resources/libraries-extensions) - 资源 - [模型和数据集 由 Google 和社区构建的预训练模型和数据集](https://tensorflowcn.cn/resources/models-datasets) - [工具 支持和加速 TensorFlow 工作流程的工具](https://tensorflowcn.cn/resources/tools) - [负责任的 AI ML 工作流程每个阶段的资源](https://tensorflowcn.cn/responsible_ai) - [推荐系统 使用开源工具构建推荐系统](https://tensorflowcn.cn/resources/recommendation-systems) [社区](https://tensorflowcn.cn/community) - [小组 用户组、兴趣组和邮件列表](https://tensorflowcn.cn/community/groups) - [贡献 代码和文档贡献指南](https://tensorflowcn.cn/community/contribute) - [博客 了解 TensorFlow 的最新动态](https://blog.tensorflowcn.cn/) - [论坛 TensorFlow 社区的讨论平台](https://discuss.tensorflow.org/) [为什么选择 TensorFlow](https://tensorflowcn.cn/about) - [关于](https://tensorflowcn.cn/about) - [案例研究](https://tensorflowcn.cn/about/case-studies) - [英语]() - [西班牙语 - 拉丁美洲]() - [法语]() - [印尼语]() - [意大利语]() - [波兰语]() - [葡萄牙语 - 巴西]() - [越南语]() - [土耳其语]() - [俄语]() - [希伯来语]() - [阿拉伯语]() - [波斯语]() - [印地语]() - [孟加拉语]() - [泰语]() - [中文 - 简体]() - [中文 - 繁体]() - [日语]() - [韩语]() [GitHub](https://github.com/tensorflow) 登录 - [TensorFlow 核心](https://tensorflowcn.cn/tutorials) 一个用于研究和生产的开源机器学习库。 [教程](https://tensorflowcn.cn/tutorials) [指南](https://tensorflowcn.cn/guide) [迁移到 TF2](https://tensorflowcn.cn/guide/migrate) [TF 1 ↗](https://github.com/tensorflow/docs/tree/master/site/en/r1) [](https://tensorflowcn.cn/) - [安装](https://tensorflowcn.cn/install) - [学习](https://tensorflowcn.cn/learn) - 更多 - [教程](https://tensorflowcn.cn/tutorials) - [指南](https://tensorflowcn.cn/guide) - [迁移到 TF2](https://tensorflowcn.cn/guide/migrate) - [TF 1 ↗](https://github.com/tensorflow/docs/tree/master/site/en/r1) - [API](https://tensorflowcn.cn/api) - 更多 - [生态系统](https://tensorflowcn.cn/resources/models-datasets) - 更多 - [社区](https://tensorflowcn.cn/community) - 更多 - [为什么选择 TensorFlow](https://tensorflowcn.cn/about) - 更多 - [GitHub](https://github.com/tensorflow) - [TensorFlow 教程](https://tensorflowcn.cn/tutorials) - [初学者快速入门](https://tensorflowcn.cn/tutorials/quickstart/beginner) - [专家快速入门](https://tensorflowcn.cn/tutorials/quickstart/advanced) - 初学者 - 使用 Keras 的 ML 基础知识 - [基本图像分类](https://tensorflowcn.cn/tutorials/keras/classification) - [基本文本分类](https://tensorflowcn.cn/tutorials/keras/text_classification) - [使用 TF Hub 进行文本分类](https://tensorflowcn.cn/tutorials/keras/text_classification_with_hub) - [回归](https://tensorflowcn.cn/tutorials/keras/regression) - [过拟合和欠拟合](https://tensorflowcn.cn/tutorials/keras/overfit_and_underfit) - [保存和加载](https://tensorflowcn.cn/tutorials/keras/save_and_load) - [使用 Keras Tuner 调整超参数](https://tensorflowcn.cn/tutorials/keras/keras_tuner) - [keras.io 上的更多示例](https://keras.org.cn/examples/) - 加载和预处理数据 - [图像](https://tensorflowcn.cn/tutorials/load_data/images) - [视频](https://tensorflowcn.cn/tutorials/load_data/video) - [CSV](https://tensorflowcn.cn/tutorials/load_data/csv) - [NumPy](https://tensorflowcn.cn/tutorials/load_data/numpy) - [pandas.DataFrame](https://tensorflowcn.cn/tutorials/load_data/pandas_dataframe) - [TFRecord 和 tf.Example](https://tensorflowcn.cn/tutorials/load_data/tfrecord) - [使用 tf.io 的其他格式](https://github.com/tensorflow/io#tensorflow-io) - [文本](https://tensorflowcn.cn/tutorials/load_data/text) - 更多文本加载 - [Unicode](https://tensorflowcn.cn/text/guide/unicode) - [子词标记](https://tensorflowcn.cn/text/guide/subwords_tokenizer) - 高级 - 自定义 - [张量和操作](https://tensorflowcn.cn/tutorials/customization/basics) - [自定义层](https://tensorflowcn.cn/tutorials/customization/custom_layers) - [自定义训练：演练](https://tensorflowcn.cn/tutorials/customization/custom_training_walkthrough) - 分布式训练 - [使用 Keras 进行分布式训练](https://tensorflowcn.cn/tutorials/distribute/keras) - [使用 DTensors 进行分布式训练](https://tensorflowcn.cn/tutorials/distribute/dtensor_ml_tutorial) - [使用 Keras 与 DTensors](https://tensorflowcn.cn/tutorials/distribute/dtensor_keras_tutorial) - [自定义训练循环](https://tensorflowcn.cn/tutorials/distribute/custom_training) - [使用 Keras 进行多工作器训练](https://tensorflowcn.cn/tutorials/distribute/multi_worker_with_keras) - [使用 CTL 进行多工作器训练](https://tensorflowcn.cn/tutorials/distribute/multi_worker_with_ctl) - [参数服务器训练](https://tensorflowcn.cn/tutorials/distribute/parameter_server_training) - [保存和加载](https://tensorflowcn.cn/tutorials/distribute/save_and_load) - [分布式输入](https://tensorflowcn.cn/tutorials/distribute/input) - 视觉 - [计算机视觉](https://tensorflowcn.cn/tutorials/images) - [KerasCV](https://keras.org.cn/keras_cv/) - [卷积神经网络](https://tensorflowcn.cn/tutorials/images/cnn) - [图像分类](https://tensorflowcn.cn/tutorials/images/classification) - [迁移学习和微调](https://tensorflowcn.cn/tutorials/images/transfer_learning) - [使用 TF Hub 进行迁移学习](https://tensorflowcn.cn/tutorials/images/transfer_learning_with_hub) - [数据增强](https://tensorflowcn.cn/tutorials/images/data_augmentation) - [图像分割](https://tensorflowcn.cn/tutorials/images/segmentation) - [使用 TF Hub 进行目标检测](https://tensorflowcn.cn/hub/tutorials/tf2_object_detection) - [视频分类](https://tensorflowcn.cn/tutorials/video/video_classification) - [使用 MoViNet 进行迁移学习](https://tensorflowcn.cn/tutorials/video/transfer_learning_with_movinet) - 文本 - [文本和自然语言处理](https://tensorflowcn.cn/tutorials/text) - [KerasNLP 入门](https://keras.org.cn/guides/keras_nlp/getting_started/) - [文本和 NLP 指南](https://tensorflowcn.cn/text) - 音频 - [简单音频识别](https://tensorflowcn.cn/tutorials/audio/simple_audio) - [音频识别的迁移学习](https://tensorflowcn.cn/tutorials/audio/transfer_learning_audio) - [使用 RNN 生成音乐](https://tensorflowcn.cn/tutorials/audio/music_generation) - 结构化数据 - [使用预处理层对结构化数据进行分类](https://tensorflowcn.cn/tutorials/structured_data/preprocessing_layers) - [不平衡数据的分类](https://tensorflowcn.cn/tutorials/structured_data/imbalanced_data) - [时间序列预测](https://tensorflowcn.cn/tutorials/structured_data/time_series) - [决策森林模型](https://tensorflowcn.cn/decision_forests/tutorials/beginner_colab) - [推荐器](https://tensorflowcn.cn/recommenders/examples/quickstart) - 生成式 - [稳定扩散](https://tensorflowcn.cn/tutorials/generative/generate_images_with_stable_diffusion) - [神经风格迁移](https://tensorflowcn.cn/tutorials/generative/style_transfer) - [DeepDream](https://tensorflowcn.cn/tutorials/generative/deepdream) - [DCGAN](https://tensorflowcn.cn/tutorials/generative/dcgan) - [Pix2Pix](https://tensorflowcn.cn/tutorials/generative/pix2pix) - [CycleGAN](https://tensorflowcn.cn/tutorials/generative/cyclegan) - [对抗性 FGSM](https://tensorflowcn.cn/tutorials/generative/adversarial_fgsm) - [自动编码器简介](https://tensorflowcn.cn/tutorials/generative/autoencoder) - [变分自动编码器](https://tensorflowcn.cn/tutorials/generative/cvae) - [有损数据压缩](https://tensorflowcn.cn/tutorials/generative/data_compression) - 模型优化 - [使用 EPR 进行可扩展的模型压缩](https://tensorflowcn.cn/tutorials/optimization/compression) - [TensorFlow 模型优化](https://tensorflowcn.cn/model_optimization) - 模型理解 - [积分梯度](https://tensorflowcn.cn/tutorials/interpretability/integrated_gradients) - [使用 SNGP 进行不确定性量化](https://tensorflowcn.cn/tutorials/understanding/sngp) - [概率回归](https://tensorflowcn.cn/probability/examples/Probabilistic_Layers_Regression) - 强化学习 - [Actor-Critic 方法](https://tensorflowcn.cn/tutorials/reinforcement_learning/actor_critic) - [TensorFlow 代理](https://tensorflowcn.cn/agents) - tf.Estimator - [预制估计器](https://tensorflowcn.cn/tutorials/estimator/premade) - [线性模型](https://tensorflowcn.cn/tutorials/estimator/linear) - [Keras 模型到估计器](https://tensorflowcn.cn/tutorials/estimator/keras_model_to_estimator) - [使用估计器进行多工作器训练](https://tensorflowcn.cn/tutorials/distribute/multi_worker_with_estimator) - [特征列](https://tensorflowcn.cn/tutorials/structured_data/feature_columns) - [简介](https://tensorflowcn.cn/learn) - [教程](https://tensorflowcn.cn/tutorials) - [指南](https://tensorflowcn.cn/guide) - [学习 ML](https://tensorflowcn.cn/resources/learn-ml) - [TensorFlow (v2.16.1)](https://tensorflowcn.cn/api/stable) - [版本…](https://tensorflowcn.cn/versions) - [TensorFlow.js](https://js.tensorflow.org/api/latest/) - [TensorFlow Lite](https://tensorflowcn.cn/lite/api_docs) - [TFX](https://tensorflowcn.cn/tfx/api_docs) - 库 - [TensorFlow.js](https://tensorflowcn.cn/js) - [TensorFlow Lite](https://tensorflowcn.cn/lite) - [TFX](https://tensorflowcn.cn/tfx) - [所有库](https://tensorflowcn.cn/resources/libraries-extensions) - 资源 - [模型和数据集](https://tensorflowcn.cn/resources/models-datasets) - [工具](https://tensorflowcn.cn/resources/tools) - [负责任的 AI](https://tensorflowcn.cn/responsible_ai) - [推荐系统](https://tensorflowcn.cn/resources/recommendation-systems) - [小组](https://tensorflowcn.cn/community/groups) - [贡献](https://tensorflowcn.cn/community/contribute) - [博客](https://blog.tensorflowcn.cn/) - [论坛](https://discuss.tensorflow.org/) - [关于](https://tensorflowcn.cn/about) - [案例研究](https://tensorflowcn.cn/about/case-studies) - [TensorFlow](https://tensorflowcn.cn/) - [学习](https://tensorflowcn.cn/learn) - [TensorFlow 核心](https://tensorflowcn.cn/tutorials) 使用集合保持井井有条 根据您的喜好保存和分类内容。 TensorFlow 教程以 Jupyter 笔记本的形式编写，可以直接在 Google Colab 中运行——这是一个无需设置的托管笔记本环境。在每个教程的顶部，您都会看到一个 \*\*在 Google Colab 中运行\*\* 按钮。单击该按钮以打开笔记本并自行运行代码。 ## 面向初学者 最佳起点是用户友好的 Keras 顺序 API。通过将构建块拼凑在一起构建模型。在学习完这些教程后，请阅读 [Keras 指南](https://tensorflowcn.cn/guide/keras/overview)。 [初学者快速入门](https://tensorflowcn.cn/tutorials/quickstart/beginner) 此“Hello, World！”笔记本展示了 Keras 顺序 API 和 `model.fit`。 [Keras 基础知识](https://tensorflowcn.cn/tutorials/keras/classification) 此笔记本集合演示了使用 Keras 的基本机器学习任务。 [加载数据](https://tensorflowcn.cn/tutorials/load_data/csv) 这些教程使用 `tf.data` 加载各种数据格式并构建输入管道。 ## 面向专家 Keras 函数式和子类 API 提供了用于自定义和高级研究的按定义运行接口。构建您的模型，然后编写正向和反向传递。创建自定义层、激活和训练循环。 [高级快速入门](https://tensorflowcn.cn/tutorials/quickstart/advanced) 此“Hello, World！”笔记本使用 Keras 子类 API 和自定义训练循环。 [自定义](https://tensorflowcn.cn/tutorials/customization/basics) 此笔记本合集展示了如何在 TensorFlow 中构建自定义层和训练循环。 [分布式训练](https://tensorflowcn.cn/tutorials/distribute/keras) 将您的模型训练分布到多个 GPU、多台机器或 TPU 上。 高级部分包含许多具有指导意义的笔记本示例，包括 [神经机器翻译](https://tensorflowcn.cn/tutorials/text/nmt_with_attention)、[Transformer](https://tensorflowcn.cn/tutorials/text/transformer) 和 [CycleGAN](https://tensorflowcn.cn/tutorials/generative/cyclegan)。 ## 视频教程 观看这些视频，了解使用 TensorFlow 进行机器学习的入门知识 ### [TensorFlow ML 从零到英雄](https://www.youtube.com/watch?v=KNAWp2S3w94&list=PLQY2H8rRoyvwWuPiWnuTDBHe7I0fMSsfO) ### [使用 ML 进行基本计算机视觉](https://www.youtube.com/watch?v=bemDFpNooA8&list=PLQY2H8rRoyvwWuPiWnuTDBHe7I0fMSsfO) ## 库和扩展 探索 [库](https://tensorflowcn.cn/resources/libraries-extensions) 以使用 TensorFlow 构建高级模型或方法，并访问扩展 TensorFlow 的特定领域应用程序包。这是这些项目提供的教程的*示例*。 - [chevron\_right](https://tensorflowcn.cn/tensorboard) [TensorBoard](https://tensorflowcn.cn/tensorboard) - [TensorBoard 入门](https://tensorflowcn.cn/tensorboard/get_started) - [在 Keras 中记录训练指标](https://tensorflowcn.cn/tensorboard/scalars_and_keras) - [chevron\_right](https://tensorflowcn.cn/hub) [TensorFlow Hub](https://tensorflowcn.cn/hub) - [目标检测](https://tensorflowcn.cn/hub/tutorials/tf2_object_detection) - [任意风格迁移](https://tensorflowcn.cn/hub/tutorials/tf2_arbitrary_image_stylization) - [chevron\_right](https://tensorflowcn.cn/model_optimization) [模型优化](https://tensorflowcn.cn/model_optimization) - [基于幅度的权重剪枝与 Keras](https://tensorflowcn.cn/model_optimization/guide/pruning/pruning_with_keras) - [训练后量化](https://tensorflowcn.cn/lite/performance/post_training_quantization) - [chevron\_right](https://tensorflowcn.cn/federated) [TensorFlow Federated](https://tensorflowcn.cn/federated) - [用于图像分类的联邦学习](https://tensorflowcn.cn/federated/tutorials/federated_learning_for_image_classification) - [用于文本生成的联邦学习](https://tensorflowcn.cn/federated/tutorials/federated_learning_for_text_generation) - [chevron\_right](https://tensorflowcn.cn/neural_structured_learning) [神经结构化学习](https://tensorflowcn.cn/neural_structured_learning) - [用于文档分类的自然图正则化](https://tensorflowcn.cn/neural_structured_learning/tutorials/graph_keras_mlp_cora) - [用于情感分类的合成图正则化](https://tensorflowcn.cn/neural_structured_learning/tutorials/graph_keras_lstm_imdb) - [chevron\_right](https://tensorflowcn.cn/graphics) [TensorFlow Graphics](https://tensorflowcn.cn/graphics) - [目标姿态对齐](https://github.com/tensorflow/graphics/blob/master/tensorflow_graphics/notebooks/6dof_alignment.ipynb) - [网格分割](https://github.com/tensorflow/graphics/blob/master/tensorflow_graphics/notebooks/mesh_segmentation_demo.ipynb) - [chevron\_right](https://tensorflowcn.cn/addons) [SIG Addons](https://tensorflowcn.cn/addons) - [TensorFlow Addons 中的图像操作](https://tensorflowcn.cn/addons/tutorials/image_ops) - [TensorFlow Addons 中的规范化层。](https://tensorflowcn.cn/addons/tutorials/layers_normalizations) - [chevron\_right](https://tensorflowcn.cn/tfx) [TFX](https://tensorflowcn.cn/tfx) - [TFX 开发人员教程](https://tensorflowcn.cn/tfx/tutorials/tfx/airflow_workshop) - [使用 TensorFlow Serving 提供模型](https://tensorflowcn.cn/tfx/tutorials/serving/rest_simple) - [chevron\_right](https://tensorflowcn.cn/datasets) [数据集](https://tensorflowcn.cn/datasets) - [使用 TensorFlow Datasets](https://tensorflowcn.cn/datasets/overview) - [chevron\_right](https://tensorflowcn.cn/probability) [概率](https://tensorflowcn.cn/probability) - [TensorFlow 分布介绍](https://tensorflowcn.cn/probability/examples/TensorFlow_Distributions_Tutorial) - [概率回归](https://tensorflowcn.cn/probability/examples/Probabilistic_Layers_Regression) - [chevron\_right](https://tensorflowcn.cn/xla) [XLA](https://tensorflowcn.cn/xla) - [使用 XLA 对 CIFAR-10 进行分类](https://tensorflowcn.cn/xla/tutorials/autoclustering_xla) - [将 XLA 与 tf.function 一起使用](https://tensorflowcn.cn/xla/tutorials/jit_compile) - [chevron\_right](https://github.com/tensorflow/agents) [决策森林](https://github.com/tensorflow/decision-forests) - [训练决策森林模型](https://tensorflowcn.cn/decision_forests/tutorials/beginner_colab) - [将文本和 NN 特征与决策森林一起使用](https://tensorflowcn.cn/decision_forests/tutorials/intermediate_colab) - [chevron\_right](https://github.com/tensorflow/agents) [TensorFlow Agents](https://github.com/tensorflow/agents) - [使用 TF Agents 训练深度 Q 网络](https://tensorflowcn.cn/agents/tutorials/1_dqn_tutorial) - [强化学习环境](https://tensorflowcn.cn/agents/tutorials/2_environments_tutorial) - [chevron\_right](https://github.com/tensorflow/ranking) [TensorFlow Ranking](https://github.com/tensorflow/ranking) - [TF-Ranking Keras 用户指南](https://github.com/tensorflow/ranking/tree/master/tensorflow_ranking/examples/keras) - [用于稀疏特征的 TF Ranking](https://github.com/tensorflow/ranking/blob/master/tensorflow_ranking/examples/handling_sparse_features.ipynb) - [chevron\_right](https://magenta.tensorflow.org/) [Magenta](https://magenta.tensorflow.org/) - [使用 Transformer 生成钢琴音乐](https://magenta.tensorflow.org/piano-transformer) - [GANSynth](https://colab.research.google.com/notebooks/magenta/gansynth/gansynth_demo.ipynb) ## TensorFlow 更新 订阅 [TensorFlow 博客](https://blog.tensorflowcn.cn/)、[YouTube 频道](https://www.youtube.com/tensorflow) 和 [Twitter](https://twitter.com/tensorflow) 以获取最新更新。 除另有说明外，本页内容根据 [知识共享署名 4.0 许可证](https://creativecommons.org/licenses/by/4.0/) 授权，代码示例根据 [Apache 2.0 许可证](https://apache.ac.cn/licenses/LICENSE-2.0) 授权。有关详细信息，请参阅 [Google Developers 网站政策](https://developers.google.com/site-policies)。Java 是 Oracle 和/或其关联公司的注册商标。 上次更新时间：2023-09-19 UTC。 \[{ "type": "thumb-down", "id": "missingTheInformationINeed", "label":"缺少我需要的信息" },{ "type": "thumb-down", "id": "tooComplicatedTooManySteps", "label":"太复杂/步骤太多" },{ "type": "thumb-down", "id": "outOfDate", "label":"过时" },{ "type": "thumb-down", "id": "samplesCodeIssue", "label":"示例/代码问题" },{ "type": "thumb-down", "id": "otherDown", "label":"其他" }\] \[{ "type": "thumb-up", "id": "easyToUnderstand", "label":"易于理解" },{ "type": "thumb-up", "id": "solvedMyProblem", "label":"解决了我的问题" },{ "type": "thumb-up", "id": "otherUp", "label":"其他" }\] - ### 保持联系 - [博客](https://blog.tensorflowcn.cn/) - [论坛](https://discuss.tensorflow.org/) - [GitHub](https://github.com/tensorflow/) - [Twitter](https://twitter.com/tensorflow) - [YouTube](https://youtube.com/tensorflow) - ### 支持 - [问题跟踪器](https://github.com/tensorflow/tensorflow/issues) - [发行说明](https://github.com/tensorflow/tensorflow/blob/master/RELEASE.md) - [Stack Overflow](https://stackoverflow.com/questions/tagged/tensorflow) - [品牌指南](https://tensorflowcn.cn/extras/tensorflow_brand_guidelines.pdf) - [引用 TensorFlow](https://tensorflowcn.cn/about/bib) - [条款](https://policies.google.com/terms) - [隐私](https://policies.google.com/privacy) - [管理 Cookie](https://tensorflowcn.cn/tutorials) - 注册 TensorFlow 新闻通讯 [订阅](https://tensorflowcn.cn/subscribe) - [英语]() - [西班牙语 - 拉丁美洲]() - [法语]() - [印尼语]() - [意大利语]() - [波兰语]() - [葡萄牙语 - 巴西]() - [越南语]() - [土耳其语]() - [俄语]() - [希伯来语]() - [阿拉伯语]() - [波斯语]() - [印地语]() - [孟加拉语]() - [泰语]() - [中文 - 简体]() - [中文 - 繁体]() - [日语]() - [韩语]()