tensorflow--tensorflow/README.md

Note

本文档由 WeHub 基于上游 README 翻译整理，属于社区翻译，非官方中文文档。
English · 原始项目 · 上游 README
原作者、版权与许可证归属以原始项目及本仓库 LICENSE 文件为准。

Documentation

TensorFlow 是一个端到端的开源机器学习平台。它拥有全面且灵活的生态系统，涵盖工具,、库,和社区资源，使研究人员能够推动机器学习（ML）的最前沿发展，也让开发者能够轻松构建和部署基于 ML 的应用。

TensorFlow 最初由 Google Brain 旗下机器智能团队的研究人员和工程师开发，旨在开展机器学习和神经网络研究。不过，该框架功能广泛，足以应用于其他领域。

TensorFlow 提供稳定的 Python 和 C++ API，以及不保证向后兼容的其他语言. API。

订阅 announce@tensorflow.org. 以获取最新的发布公告和安全更新。查看所有邮件列表.。

安装

请参阅 TensorFlow 安装指南，了解如何使用 pip 包,、启用 GPU 支持,、使用 Docker 容器,以及从源码构建.。

安装当前版本（包含对支持 CUDA 的 GPU 显卡的支持 （Ubuntu 和 Windows））：

 pip install tensorflow

其他设备（DirectX 和 MacOS-metal）可通过设备插件.获得支持。

另外也提供了一个更小的仅支持 CPU 的 TensorFlow 包：

 pip install tensorflow-cpu

要将 TensorFlow 更新到最新版本，请在上面的命令中添加 --upgrade 标志。

用于测试的每日构建版本可通过 PyPI 上的 tf-nightly 和 tf-nightly-cpu 包获取。

尝试你的第一个 TensorFlow 程序

$ python

>>> import tensorflow as tf
>>> tf.add(1, 2).numpy()
3
>>> hello = tf.constant('Hello, TensorFlow!')
>>> hello.numpy()
b'Hello, TensorFlow!'

更多示例请参阅 TensorFlow 教程.。

贡献指南

如果你想为 TensorFlow 做贡献，请务必阅读贡献指南。本项目遵循 TensorFlow 的行为准则。参与即表示你同意遵守该准则。

我们使用 GitHub Issues 来跟踪需求和错误，请访问 TensorFlow 论坛 进行一般性讨论和问答，具体问题请到 Stack Overflow. 上提问。**

TensorFlow 项目致力于遵循开源软件开发中公认的最佳实践。

补丁指南

按照以下步骤为特定版本的 TensorFlow 打补丁，例如修复错误或安全漏洞：

• 克隆 TensorFlow 仓库并切换到所需版本的相应分支——例如，版本 2.8 使用 r2.8 分支。
• 应用所需的更改（即 cherry-pick），并解决所有代码冲突。
• 运行 TensorFlow 测试并确保通过。
• 从源码构建 TensorFlow pip 包。

持续构建状态

你可以在 TensorFlow SIG Build 社区构建表. 中找到更多社区支持的平台和配置。

官方构建

构建类型	状态	制品
Linux CPU		PyPI
Linux GPU		PyPI
Linux XLA		待定
macOS		PyPI
Windows CPU		PyPI
Windows GPU		PyPI
Android		下载
Raspberry Pi 0 和 1		Py3
Raspberry Pi 2 和 3		Py3

资源

• TensorFlow.org)
• TensorFlow 教程)
• TensorFlow 官方模型)
• TensorFlow 示例)
• TensorFlow 编程实练)
• TensorFlow 博客)
• 用 TensorFlow 学习机器学习)
• TensorFlow Twitter)
• TensorFlow YouTube)
• TensorFlow 模型优化路线图)
• TensorFlow 白皮书)
• TensorBoard 可视化工具包)
• TensorFlow 代码搜索)

了解更多关于 TensorFlow 社区) 的信息，以及如何 贡献代码.)。

课程

• Coursera)
• Udacity)
• Edx)

许可

Apache License 2.0 USD 预算：$0/$3；剩余 $3