tensorflow/tensorflow
GitHub: tensorflow/tensorflow
Google 开源的端到端机器学习框架，提供从模型训练到生产部署的完整解决方案。
Stars: 194010 | Forks: 75216
[](https://badge.fury.io/py/tensorflow)
[](https://badge.fury.io/py/tensorflow)
[](https://doi.org/10.5281/zenodo.4724125)
[](https://bestpractices.coreinfrastructure.org/projects/1486)
[](https://securityscorecards.dev/viewer/?uri=github.com/tensorflow/tensorflow)
[](https://bugs.chromium.org/p/oss-fuzz/issues/list?sort=-opened&can=1&q=proj:tensorflow)
[](https://bugs.chromium.org/p/oss-fuzz/issues/list?sort=-opened&can=1&q=proj:tensorflow-py)
[](https://ossrank.com/p/44)
[](CODE_OF_CONDUCT.md)
**`文档`** |
------------------- |
[](https://www.tensorflow.org/api_docs/) |
[TensorFlow](https://www.tensorflow.org/) 是一个端到端的开源机器学习平台。它拥有全面、灵活的生态系统，包含[工具](https://www.tensorflow.org/resources/tools)、[库](https://www.tensorflow.org/resources/libraries-extensions)和[社区](https://www.tensorflow.org/community)资源，这让研究人员能够推动机器学习领域的最先进技术发展，也让开发者能够轻松构建和部署由机器学习驱动的应用程序。
TensorFlow 最初是由 Google Brain 团队内的机器智能研究人员和工程师开发的，用于进行机器学习和神经网络研究。然而，该框架具有足够的通用性，也可应用于其他领域。
TensorFlow 提供稳定的 [Python](https://www.tensorflow.org/api_docs/python) 和 [C++](https://www.tensorflow.org/api_docs/cc) API，并为[其他语言](https://www.tensorflow.org/api_docs)提供不保证向后兼容的 API。
订阅 [announce@tensorflow.org](https://groups.google.com/a/tensorflow.org/forum/#!forum/announce) 以随时了解发布公告和安全更新。
查看所有[邮件列表](https://www.tensorflow.org/community/forums)。
## 安装
请参阅 [TensorFlow 安装指南](https://www.tensorflow.org/install)，了解 [pip 包](https://www.tensorflow.org/install/pip)、[启用 GPU 支持](https://www.tensorflow.org/install/gpu)、使用 [Docker 容器](https://www.tensorflow.org/install/docker)以及[从源代码构建](https://www.tensorflow.org/install/source)的相关信息。
要安装支持 [支持 CUDA 的 GPU 卡](https://www.tensorflow.org/install/gpu) 的当前版本 *(Ubuntu 和 Windows)*：
```
$ pip install tensorflow
```
其他设备（DirectX 和 MacOS-metal）通过 [设备插件](https://www.tensorflow.org/install/gpu_plugins#available_devices) 提供支持。
还有一个更小的仅支持 CPU 的包可用：
```
$ pip install tensorflow-cpu
```
要将 TensorFlow 更新到最新版本，请在上述命令中添加 `--upgrade` 标志。
*可以使用 PyPI 上的 [tf-nightly](https://pypi.python.org/pypi/tf-nightly) 和 [tf-nightly-cpu](https://pypi.python.org/pypi/tf-nightly-cpu) 包来测试每晚构建的二进制文件。*
#### *尝试您的第一个 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](https://www.tensorflow.org/tutorials/)。
## 贡献指南
**如果您想为 TensorFlow 做贡献，请务必查阅[贡献指南](CONTRIBUTING.md)。本项目遵守 TensorFlow 的[行为准则](CODE_OF_CONDUCT.md)。通过参与本项目，您应遵守该准则。**
**我们使用 [GitHub Issues](https://github.com/tensorflow/tensorflow/issues) 追踪请求和 Bug，请前往 [TensorFlow Forum](https://discuss.tensorflow.org/) 进行一般性提问和讨论，并将具体问题发送至 [Stack Overflow](https://stackoverflow.com/questions/tagged/tensorflow)。**
TensorFlow 项目致力于遵守开源软件开发中普遍接受的最佳实践。
## 补丁指南
按照以下步骤修补特定版本的 TensorFlow，例如，为了修复 Bug 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`。
* 应用所需的更改（即 cherry-pick 它们）并解决所有代码冲突。
* 运行 TensorFlow 测试并确保通过。
* 从源代码[构建](https://www.tensorflow.org/install/source) TensorFlow pip 包。
## 持续构建状态
您可以在 [TensorFlow SIG Build Community Builds Table](https://github.com/tensorflow/build#community-supported-tensorflow-builds) 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 | 构件
----------------------------- | -------------------------------------------------------------------------------------------------------------------------------------------------------------------------------- | ---------
**Linux CPU** | [](https://storage.googleapis.com/tensorflow-kokoro-build-badges/ubuntu-cc.html) | [PyPI](https://pypi.org/project/tf-nightly/)
**Linux GPU** | [](https://storage.googleapis.com/tensorflow-kokoro-build-badges/ubuntu-gpu-py3.html) | [PyPI](https://pypi.org/project/tf-nightly-gpu/)
**Linux XLA** | [](https://storage.googleapis.com/tensorflow-kokoro-build-badges/ubuntu-xla.html) | 待定
**macOS** | [](https://storage.googleapis.com/tensorflow-kokoro-build-badges/macos-py2-cc.html) | [PyPI](https://pypi.org/project/tf-nightly/)
**Windows CPU** | [](https://storage.googleapis.com/tensorflow-kokoro-build-badges/windows-cpu.html) | [PyPI](https://pypi.org/project/tf-nightly/)
**Windows GPU** | [](https://storage.googleapis.com/tensorflow-kokoro-build-badges/windows-gpu.html) | [PyPI](https://pypi.org/project/tf-nightly-gpu/)
**Android** | [](https://storage.googleapis.com/tensorflow-kokoro-build-badges/android.html) | [下载](https://bintray.com/google/tensorflow/tensorflow/_latestVersion)
**Raspberry Pi 0 and 1** | [](https://storage.googleapis.com/tensorflow-kokoro-build-badges/rpi01-py3.html) | [Py3](https://storage.googleapis.com/tensorflow-nightly/tensorflow-1.10.0-cp34-none-linux_armv6l.whl)
**Raspberry Pi 2 and 3** | [](https://storage.googleapis.com/tensorflow-kokoro-build-badges/rpi23-py3.html) | [Py3](https://storage.googleapis.com/tensorflow-nightly/tensorflow-1.10.0-cp34-none-linux_armv7l.whl)
**Libtensorflow MacOS CPU** | 状态暂时不可用 | [Nightly Binary](https://storage.googleapis.com/libtensorflow-nightly/prod/tensorflow/release/macos/latest/macos_cpu_libtensorflow_binaries.tar.gz) [Official GCS](https://storage.googleapis.com/tensorflow/)
**Libtensorflow Linux CPU** | 状态暂时不可用 | [Nightly Binary](https://storage.googleapis.com/libtensorflow-nightly/prod/tensorflow/release/ubuntu_16/latest/cpu/ubuntu_cpu_libtensorflow_binaries.tar.gz) [Official GCS](https://storage.googleapis.com/tensorflow/)
**Libtensorflow Linux GPU** | 状态暂时不可用 | [Nightly Binary](https://storage.googleapis.com/libtensorflow-nightly/prod/tensorflow/release/ubuntu_16/latest/gpu/ubuntu_gpu_libtensorflow_binaries.tar.gz) [Official GCS](https://storage.googleapis.com/tensorflow/)
**Libtensorflow Windows CPU** | 状态暂时不可用 | [Nightly Binary](https://storage.googleapis.com/libtensorflow-nightly/prod/tensorflow/release/windows/latest/cpu/windows_cpu_libtensorflow_binaries.tar.gz) [Official GCS](https://storage.googleapis.com/tensorflow/)
**Libtensorflow Windows GPU** | 状态暂时不可用 | [Nightly Binary](https://storage.googleapis.com/libtensorflow-nightly/prod/tensorflow/release/windows/latest/gpu/windows_gpu_libtensorflow_binaries.tar.gz) [Official GCS](https://storage.googleapis.com/tensorflow/)
## 资源
* [TensorFlow.org](https://www.tensorflow.org)
* [TensorFlow 教程](https://www.tensorflow.org/tutorials/)
* [TensorFlow 官方模型](https://github.com/tensorflow/models/tree/master/official)
* [TensorFlow 示例](https://github.com/tensorflow/examples)
* [TensorFlow Codelabs](https://codelabs.developers.google.com/?cat=TensorFlow)
* [TensorFlow 博客](https://blog.tensorflow.org)
* [使用 TensorFlow 学习机器学习](https://www.tensorflow.org/resources/learn-ml)
* [TensorFlow Twitter](https://twitter.com/tensorflow)
* [TensorFlow YouTube](https://www.youtube.com/channel/UC0rqucBdTuFTjJiefW5t-IQ)
* [TensorFlow 模型优化路线图](https://www.tensorflow.org/model_optimization/guide/roadmap)
* [TensorFlow 白皮书](https://www.tensorflow.org/about/bib)
* [TensorBoard 可视化工具包](https://github.com/tensorflow/tensorboard)
* [TensorFlow 代码搜索](https://cs.opensource.google/tensorflow/tensorflow)
了解更多关于 [TensorFlow 社区](https://www.tensorflow.org/community) 的信息以及如何[贡献](https://www.tensorflow.org/community/contribute)。
## 课程
* [Coursera](https://www.coursera.org/search?query=TensorFlow)
* [Udacity](https://www.udacity.com/courses/all?search=TensorFlow)
* [Edx](https://www.edx.org/search?q=TensorFlow)
## 许可证
[Apache License 2.0](LICENSE)
标签：Apex, C++, Google, Keras, Nuclei, Python, TensorFlow, Vectored Exception Handling, 云安全, 人工智能, 开源框架, 张量运算, 持续集成, 数据擦除, 数据科学, 无后门, 机器学习, 模型训练, 模型部署, 深度学习, 用户模式Hook绕过, 神经网络, 端到端平台, 算法库, 计算机视觉, 请求拦截, 资源验证, 逆向工具, 预测分析, 高性能计算