全部分类
TensorFlow 2.21.0 于 2026年3月6日发布,移除 Python 3.9 支持和 TensorBoard 默认依赖,增强 TensorFlow Lite int2/int4/uint4 等量化能力,并为 tf.image.decode_image 加入 JPEG XL 支持。 官方网站:https://www.tensorflow.org/
TensorFlow必备开发工具
专栏首页
历史版本
学习视频
手册
专题
资讯
文章
更新时间:2026-08-28
Windows版本
苹果版本
Linux版本
DETAILED INTRODUCTION
TensorFlow 是由 Google 开源的端到端机器学习平台,提供张量计算、自动微分、Keras 高阶 API、tf.data 数据管道、分布式训练、TensorBoard 可视化生态、TensorFlow Lite 移动端部署和服务端推理相关能力,适合深度学习训练、研究实验、生产模型部署与跨端推理。
社区
PyTorch 是一种用于构建深度学习模型的功能完备框架,是一种通常用于图像识别和语言处理等应用程序的机器学习。 使用Python 编写,因此对于大多数机器学习开发者而言,学习和使用起来相对简单。 PyTorch 的独特之处在于,它完全支持GPU,并且使用反向模式自动微分技术,因此可以动态修改计算图形。
本专题深入讲解 Python 在深度学习与人工智能领域的应用,包括使用 TensorFlow 搭建神经网络模型、卷积神经网络(CNN)、循环神经网络(RNN)、数据预处理、模型优化与训练技巧。通过实战项目(如图像识别与文本生成),帮助学习者掌握 如何使用 TensorFlow 开发高效的深度学习模型,并将其应用于实际的 AI 问题中。
本专题面向 AI 与数据科学开发者,系统讲解 TensorFlow 2 框架下深度学习模型的构建、训练、调优与部署。内容包括神经网络基础、卷积神经网络、循环神经网络、优化算法及模型性能提升技巧。通过实战项目演示,帮助开发者掌握从模型设计到上线的完整流程。
共0课时 | 0人学习
TensorFlow 官方教程以可运行的 Jupyter Notebook 为主,覆盖 Keras 入门、数据加载、分布式训练、文本/视觉/音频任务、模型优化与 TensorFlow Lite 等内容。
0
2026.08.28