借助 TensorFlow，轻松创建可在任何环境中运行的机器学习模型。 通过交互式代码示例，了解如何使用直观的 API。
import tensorflow as tf mnist = tf.keras.datasets.mnist (x_train, y_train),(x_test, y_test) = mnist.load_data() x_train, x_test = x_train / 255.0, x_test / 255.0 model = tf.keras.models.Sequential([ tf.keras.layers.Flatten(input_shape=(28, 28)), tf.keras.layers.Dense(128, activation='relu'), tf.keras.layers.Dropout(0.2), tf.keras.layers.Dense(10, activation='softmax') ]) model.compile(optimizer='adam', loss='sparse_categorical_crossentropy', metrics=['accuracy']) model.fit(x_train, y_train, epochs=5) model.evaluate(x_test, y_test)通过强化学习构建推荐系统
了解 Spotify 如何利用 TensorFlow 生态系统设计出可扩展的离线模拟器，并训练 RL Agents 生成播放列表。
TensorFlow 有哪些新变化阅读 TensorFlow 团队和社区发布的最新公告。
探索生态系统探索经过生产环境测试的工具，加快建模、部署和其他工作流。
加入社区
通过加入兴趣小组或参加开发者活动，与他人开展协作、寻求支持并分享您的项目。
学习机器学习知识
刚接触机器学习？您可以从 TensorFlow 的精选课程入手，也可以浏览丰富的图书、在线课程和视频资源库。
保持连接状态关注我们的频道或订阅简报，了解机器学习和 TensorFlow 的最新动态。在 归档中浏览过往简报。
[null,null,[],[],[]]
RetroSearch is an open source project built by @garambo | Open a GitHub Issue
Search and Browse the WWW like it's 1997 | Search results from DuckDuckGo
HTML:
3.2
| Encoding:
UTF-8
| Version:
0.7.3