tensorFlow/tensorFlow：适合所有人的开源机器学习框架

TensorFlow是一个用于机器学习的端到端开源平台。它拥有一个由工具、库和社区资源组成的全面、灵活的生态系统，使研究人员能够推动最新的ML，并使开发人员能够轻松构建和部署ML支持的应用程序。

TensorFlow最初由Google Brain机器智能团队的研究人员和工程师开发，旨在进行机器学习和神经网络的研究。然而，该框架的通用性足以用于其他领域。TensorFlow提供稳定的Python和C++ API，以及其他语言的不保证向后兼容API。

通过订阅announce@tensorFlow了解最新的发布公告和安全更新。org。查看所有邮件列表。请参阅Pip包的TensorFlow安装指南，以启用图形处理器支持、使用Docker容器并从源代码构建。

要安装当前版本（其中包括对支持CUDA的图形处理卡（Ubuntu和Windows）的支持）：pip install tensorflow使用设备插件支持其他设备（Direct和MacOS-metal）。

还提供了一个较小的仅限MCU的TensorFlow包：pip安装tensorFlow-pu要将TensorFlow更新到最新版本，请添加--updation标志到上面的命令。

Nightly二进制文件可以使用PyPI上的tf-nightly和tf-nightly-pu包进行测试。$ Python>导入TensorFlow作为tf> tf。添加（1，2）。numpy（）3>你好= tf。

constant（'你好，TensorFlow！')>你好。numpy（）b '你好，TensorFlow！'有关更多示例，请参阅TensorFlow教程。如果您想向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，您将遵守此代码。我们使用GitHub Issues来跟踪请求和错误，请参阅TensorFlow论坛了解一般问题和讨论，并请将具体问题发送至Stack OverFlow。

TensorFlow项目努力遵守开源软件开发中普遍接受的最佳实践。按照以下步骤修补特定版本的TensorFlow，例如，对错误或安全漏洞应用修复：- 克隆TensorFlow存储库并切换到适当的分支您想要的版本-例如，R2. 8对于版本2。

8. - 应用所需的更改（i. e.，选择它们）并解决任何代码冲突。- 运行TensorFlow测试并确保它们通过。- 从源代码构建TensorFlow pip包。您可以在TensorFlow TIG Build社区Build表中找到更多社区支持的平台和配置。

- TensorFlow。

org- TensorFlow教程- TensorFlow官方模型- TensorFlow示例- TensorFlow Codelabs- TensorFlow博客- 使用TensorFlow学习ML- TensorFlow Twitter- TensorFlow You

Tube- TensorFlow模型优化路线图- TensorFlow白皮书- TensorBoard可视化工具包- TensorFlow代码搜索了解有关TensorFlow社区以及如何贡献的更多信息。