برای فراهم اوردن امکان ایجاد جلوه های جدید و مفید، Google اعلام کرد که مجموعه ای از API های سازگار را ارائه می دهد که به توسعه دهندگان اجازه می دهد پلاگین های بصری سازی( visualization) را به TensorBoard اضافه کنند. گوگل امیدوار است که توسعه دهندگان از این API برای گسترش TensorBoard استفاده کنند و اطمینان حاصل شود که انواع مختلفی از موارد استفاده را پوشش می دهند.
این سلسله مقالات به منظور تمرکز بر بخش‌های جذاب و مهم ساخت یک مدل word2vec در تنسورفلو ارائه می‌شوند.
وبینار آموزشی TensorFlow بر روی معماری‌های جدید Intel بسیاری از افرادی که از کارت گرافیک‌های Intel نظیر Iris استفاده می‌کنند این مشکل را دارند که نمی‌توانند از تنسورفلو بر روی کارت گرافیک خود استفاده کنند. در این وبینار به مرور استفاده بهینه سازی شده از تنسورفلو بر روی پردازنده‌های گرافیکی و معماری‌های حدید اینتل پرداخته […]
وبینار معرفی و آموزش APIهای جدید تنسورفلو ۱ با ارائه Aaron Schumacher در این وبینار علاوه بر دریافت منابع می‌توانید سوالات خود را به صورت آنلاین از سخنران سوال نمایید. پس از ارائه نسخه TensorFlow 1.0،و عدم پشتیانی برخی از API های نسخه های پیشین ، قابلیت های جدیدی نیز در این نسخه رونمایی شده است که […]
این آموزش شما را برای شروع برنامه‌نویسی در تنسورفلو آماده می‌کند. پیش از استفاده از این راهنما، حتماً راهنمای نصب تنسورفلو را مطالعه کنید و یک نسخه از تنسورفلو را نصب کنید تا در ضمن آموزش از آن استفاده کنید.
در مطالب پیشین اشاره کردیم که تنسورفلو از داده ساختارهای مبتنی بر تانسور بهره می‌گیرد و هم‌چنین انواع نوع داده‌های مبتنی تانسور را مرور کردیم. در ادامه به معرفی ویژگی‌های این نوع داده ساختارهای تانسورها می‌پردازیم.
یکی از گام‌های اولیه و اساسی در برنامه‌های یادگیری ماشینی، بارگذاری و فراخوانی مجموعه داده‌ها است. در نسخه‌ی ۱٫۰ TensorFlow نسبت به نسخه‌های پیشین ابزارهایی جدیدی به این منظور گنجانده‌شده است.
بالاخره بعد از مدت ها نسخه ی پایدار تنسورفلو در قالب نسخه TensorFlow 1.0 ارائه شد.
در این مطلب نحوه‌ی ایجاد کردن تانسورهای مختلف و کار با آن‌ها در تنسورفلو آموزش داده می‌‌شود.
Mnist یک مجموعه داده ساده در زمینه بینایی ماشین(کامپیوتر) است. این مجموعه داده شامل تصاویری از ارقام دست‌نویس انگلیسی است.