Documentation |
|---|
 |
TensorFlow 是一个使用数据流图进行数值计算的开源软件库。图形节点表示数学运算，而图形边缘表示在它们之间流动的多维数据阵列（张量）。这种灵活的体系结构使您可以将计算部署到桌面，服务器或移动设备中的一个或多个CPU或GPU，而无需重写代码。TensorFlow还包括TensorBoard, 一种数据可视化工具包。
TensorFlow 最初是由研究人员和工程师在Google机器智能研究组织的Google Brain团队开发的，目的是进行机器学习和深度神经网络研究。该系统通用性足以适用于各种其他领域。
TensorFlow提供稳定的Python API和C API，以及没有API向后兼容性保证，如C ++，Go，Java，JavaScript和Swift。 通过订阅[email protected]了解发布公告和安全更新的最新信息 。
有关如何安装发行二进制文件或如何从源构建的说明，请参阅安装 Installing TensorFlow
喜欢冒险的人也可以尝试我们的夜间二进制文件：
Nightly pip packages
- 我们很高兴地宣布，TensorFlow现在在pypi 的tf-nightly 和
tf-nightly-gpu 项目下提供夜间点包。只需运行
pip install tf-nightly或pip install tf-nightly-gpu在干净的环境中安装TensorFlow构建。我们支持Linux，Mac和Windows上的CPU和GPU包。
$ python>>> import tensorflow as tf
>>> hello = tf.constant('Hello, TensorFlow!')
>>> sess = tf.Session()
>>> sess.run(hello)
'Hello, TensorFlow!'
>>> a = tf.constant(10)
>>> b = tf.constant(32)
>>> sess.run(a + b)
42
>>> sess.close()在tensorflow.org教程页面中了解有关如何在TensorFlow中执行特定任务的更多示例.
如果您想为TensorFlow做出贡献，请务必查看贡献指南. 该项目遵守TensorFlow的 行为准则. 通过参与，您应该支持此代码。
我们使用 GitHub issues 来跟踪请求和错误. 所以请参阅 TensorFlow 社区 一般问题和讨论，并请将具体问题直接发送到 Stack Overflow.
TensorFlow项目致力于遵循开源软件开发中普遍接受的最佳实践：
| Build Type | Status | Artifacts |
|---|---|---|
| Linux CPU |  |
pypi |
| Linux GPU |  |
pypi |
| Linux XLA |  |
TBA |
| MacOS |  |
pypi |
| Windows CPU |  |
pypi |
| Windows GPU |  |
pypi |
| Android |  |
 |
| Build Type | Status | Artifacts |
|---|---|---|
| IBM s390x | TBA | |
| IBM ppc64le CPU | TBA | |
| IBM ppc64le GPU | TBA | |
| Linux CPU with Intel® MKL-DNN Nightly | Nightly | |
| Linux CPU with Intel® MKL-DNN Python 2.7 Linux CPU with Intel® MKL-DNN Python 3.5 Linux CPU with Intel® MKL-DNN Python 3.6 |
1.9.0 py2.7 1.9.0 py3.5 1.9.0 py3.6 |
- Tensorflow Blog
- TensorFlow Course at Stanford
- TensorFlow Model Zoo
- TensorFlow MOOC on Udacity
- TensorFlow Roadmap
- Tensorflow Twitter
- TensorFlow Website
- TensorFlow White Papers
- TensorFlow YouTube Channel
Learn more about the TensorFlow community at the community page of tensorflow.org for a few ways to participate.