TensorFlow

返回模块3 | 返回目录

3.6 TensorFlow概述

TensorFlow是由Google开发的开源机器学习框架。它广泛用于在图像分类、目标检测、NLP和时间序列预测等领域构建、训练和部署深度学习模型。

在Jetson平台上，TensorFlow可以利用GPU加速来提高训练和推理性能，使其适用于边缘AI开发。

主要特点

通过Keras（tf.keras）提供高级API支持，实现快速模型开发。
灵活的模型导出和部署选项（SavedModel、TensorFlow Lite、ONNX转换工作流）。
丰富的生态系统工具，包括用于可视化和调试的TensorBoard。
可从本地设备扩展到云基础设施的弹性执行。

典型工作流程

准备和预处理数据。
使用tf.keras构建和训练模型。
评估模型准确性和性能。
导出并部署模型进行推理。

快速示例（Keras）

python

import tensorflow as tf

model = tf.keras.Sequential([
    tf.keras.layers.Dense(64, activation='relu', input_shape=(32,)),
    tf.keras.layers.Dense(10, activation='softmax')
])

model.compile(optimizer='adam',
              loss='sparse_categorical_crossentropy',
              metrics=['accuracy'])

print("TensorFlow version:", tf.__version__)

有用的TensorFlow链接

TensorFlow官方网站: https://www.tensorflow.org/
TensorFlow教程: https://www.tensorflow.org/tutorials
TensorFlow API文档: https://www.tensorflow.org/api_docs
TensorFlow安装指南: https://www.tensorflow.org/install
Keras指南: https://keras.io/guides/
TensorBoard指南: https://www.tensorflow.org/tensorboard
TensorFlow Lite（边缘/移动端）: https://www.tensorflow.org/lite

PreviousPyTorch