Pengantar TensorFlow
TensorFlow memudahkan pemula dan pakar membuat model pembelajaran mesin untuk desktop, seluler, web, dan cloud. Lihat bagian di bawah untuk memulai.
Aliran Tensor
Pelajari dasar-dasar TensorFlow dengan tutorial untuk pemula dan pakar untuk membantu Anda membuat proyek pembelajaran mesin berikutnya.
Untuk Web
Gunakan TensorFlow.js untuk membuat model pembelajaran mesin baru dan menerapkan model yang sudah ada dengan JavaScript.
Untuk Seluler & Edge
Jalankan inferensi dengan TensorFlow Lite di perangkat seluler dan tersemat seperti Android, iOS, Edge TPU, dan Raspberry Pi.
Untuk Produksi
Terapkan pipeline ML siap produksi untuk pelatihan dan inferensi menggunakan TFX.
Platform ujung ke ujung untuk pembelajaran mesin
Siapkan dan muat data untuk hasil ML yang sukses
Data dapat menjadi faktor terpenting dalam keberhasilan upaya ML Anda. TensorFlow menawarkan beberapa alat data untuk membantu Anda mengkonsolidasikan, membersihkan, dan melakukan praproses data dalam skala besar:
Kumpulan data standar untuk pelatihan awal dan validasi
Pipeline data yang sangat skalabel untuk memuat data
Memproses lapisan sebelumnya untuk transformasi masukan umum
Alat untuk memvalidasi dan mengubah kumpulan data besar
Selain itu, alat AI yang bertanggung jawab membantu Anda mengungkap dan menghilangkan bias dalam data Anda untuk menghasilkan hasil yang adil dan etis dari model Anda.
Bangun dan sempurnakan model dengan ekosistem TensorFlow
Jelajahi seluruh ekosistem yang dibangun berdasarkan kerangka Inti yang menyederhanakan konstruksi model, pelatihan, dan ekspor. TensorFlow mendukung pelatihan terdistribusi, iterasi model langsung, dan proses debug yang mudah dengan Keras , dan banyak lagi. Alat seperti Analisis Model dan TensorBoard membantu Anda melacak pengembangan dan peningkatan sepanjang siklus hidup model Anda.
Untuk membantu Anda memulai, temukan koleksi model terlatih di TensorFlow Hub dari Google dan komunitas, atau implementasi model penelitian canggih di Model Garden . Pustaka komponen tingkat tinggi ini memungkinkan Anda mengambil model yang kuat, dan menyempurnakannya pada data baru atau menyesuaikannya untuk melakukan tugas baru.
Terapkan model di perangkat, di browser, lokal, atau di cloud
TensorFlow memberikan kemampuan canggih untuk menerapkan model Anda di lingkungan apa pun - server, perangkat edge, browser, seluler, mikrokontroler, CPU, GPU, FPGA. TensorFlow Serving dapat menjalankan model ML pada skala produksi pada prosesor paling canggih di dunia, termasuk Tensor Processing Unit (TPU) khusus Google.
Jika Anda perlu menganalisis data yang dekat dengan sumbernya untuk mengurangi latensi dan meningkatkan privasi data, framework TensorFlow Lite memungkinkan Anda menjalankan model di perangkat seluler, perangkat komputasi edge, dan bahkan mikrokontroler, dan framework TensorFlow.js memungkinkan Anda menjalankan machine learning dengan hanya peramban web.
Cobalah di Colab
Sajikan model dengan TensorFlow ServingMenerapkan MLOps untuk ML produksi
Platform TensorFlow membantu Anda menerapkan praktik terbaik untuk otomatisasi data, pelacakan model, pemantauan performa, dan pelatihan ulang model.
Menggunakan alat tingkat produksi untuk mengotomatisasi dan melacak pelatihan model sepanjang masa produk, layanan, atau proses bisnis sangat penting untuk kesuksesan. TFX menyediakan kerangka kerja perangkat lunak dan alat untuk penerapan MLOps penuh, mendeteksi masalah seiring berkembangnya data dan model Anda seiring waktu.
Ingin memperluas pengetahuan ML Anda?
TensorFlow lebih mudah digunakan dengan pemahaman dasar tentang prinsip-prinsip pembelajaran mesin dan konsep inti. Pelajari dan terapkan praktik pembelajaran mesin dasar untuk mengembangkan keterampilan Anda.
![](https://www.tensorflow.org/static/site-assets/images/marketing/cards/tile_learn_ml_promo.png?hl=id)
Mulailah dengan kurikulum pilihan untuk meningkatkan keterampilan Anda dalam bidang dasar ML.