tensorflow

Google Brain 团队开源的端到端机器学习框架，以 Python/C++ 稳定 API 为核心，覆盖数据处理、模型定义、训练、导出到部署的完整链路。生态是它最大的护城河：Keras 高层接口降低上手门槛，TF Lite、TF.js、TFX、TensorBoard 分别解决移动端、浏览器端推理与生产流水线问题，工业界落地案例和文档积累远超多数同类。Apache 2.0 许可，可自由商用。

README

`Documentation`

TensorFlow 是一个端到端的开源机器学习平台。它拥有完善而灵活的工具、库和社区资源生态系统，让研究者能够推动机器学习领域的前沿进展，也让开发者能够轻松构建并部署由机器学习驱动的应用。

TensorFlow 最初由 Google Brain 机器智能团队的研究人员和工程师开发，用于开展机器学习和神经网络方面的研究。不过，该框架的通用性足以应用于其他领域。

TensorFlow 提供稳定的 Python 和 C++ API，同时也为其他语言提供不保证向后兼容的 API。

订阅 announce@tensorflow.org 即可及时获取版本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 pip 包安装、启用 GPU 支持、使用 Docker 容器以及从源码构建的方法。

要安装当前版本（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 Device Plugins 获得支持。

此外还提供更小的仅 CPU 版 TensorFlow 包：

 pip install tensorflow-cpu

要将 TensorFlow 更新到最新版本，请在上面的命令中加入 --upgrade 参数。

可使用 PyPI 上的 tf-nightly 和 tf-nightly-cpu 包获取用于测试的 Nightly 构建版本。

试用你的第一个 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，请务必先阅读贡献指南。本项目遵循 TensorFlow 的行为准则。参与本项目即表示你应当遵守该准则。

我们使用 GitHub Issues 跟踪需求和缺陷；一般性问题和讨论请前往 TensorFlow 论坛，具体技术问题请提交到 Stack Overflow。

TensorFlow 项目致力于遵守开源软件开发领域公认的最佳实践。

打补丁指南

按照以下步骤为特定版本的 TensorFlow 打补丁，例如修复缺陷或安全漏洞：

克隆 TensorFlow 仓库，并切换到所需版本对应的分支——例如，版本 2.8 对应 r2.8。
应用所需的改动（即 cherry-pick 这些提交），并解决所有代码冲突。
运行 TensorFlow 测试，确保测试通过。
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由社区支持的平台和配置。

官方构建

构建类型	状态	产物
Linux CPU		PyPI
Linux GPU		PyPI
Linux XLA		TBA
macOS		PyPI
Windows CPU		PyPI
Windows GPU		PyPI
Android		下载
Raspberry Pi 0 and 1		Py3
Raspberry Pi 2 and 3		Py3