Acesse o menu principal
Blog do Google Brasil
Desenvolvedores

Cinco formas de celebrar o aniversário de 5 anos do TensorFlow



Há cinco anos, decidimos dar o formato open-source ao TensorFlow – nossa estrutura de aprendizado de máquina (ML, na sigla em inglês), para pesquisa e produção. Nosso objetivo era expandir o acesso a ferramentas de aprendizado de máquina de última geração para que qualquer pessoa pudesse usá-las.


Desde então, o TensorFlow se tornou a biblioteca de aprendizado de máquina mais popular do mundo, com mais de 160 milhões de downloads. Ver tantas pessoas usando o TensorFlow é uma experiência incrível e humilde, e somos gratos pelas milhares de pessoas fora do Google que contribuíram com código, criaram conteúdo educacional e organizaram eventos para desenvolvedores em todo o mundo para apoiar o TensorFlow e a crescente comunidade de aprendizado de máquina.


Para comemorar cinco anos de TensorFlow, gostaríamos de destacar algumas demonstrações interativas que você pode experimentar em seu navegador com um único clique, bem como alguns tutoriais que podem ajudá-lo a criar seus próprios projetos. Se você é novo no TensorFlow, essa é uma ótima maneira de ter uma ideia do que ele pode fazer. E se você gosta do que vê e quer se aprofundar um pouco mais, confira o Blog do TensorFlow.


Experimente algumas demos interativas com tecnologia de aprendizado de máquina

O TensorFlow oferece suporte a várias linguagens de programação e ambientes. Vamos começar com um rápido tour pelo JavaScript e três demonstrações interativas que você pode experimentar com um clique.


O TensorFlow.js permite escrever e rodar modelos de aprendizado de máquina apenas no navegador. Isso permite fazer aplicações importantes na área de aprendizado de máquina para proteger a privacidade (já que os dados não são enviados para um servidor) e para ML interativo. Um ótimo exemplo disso é este programa de rastreamento de pontos de referência da íris, que oferece suporte a interfaces de mãos livres e tecnologias assistivas; você mesmo pode experimentar o modelo em seu navegador (seja paciente - pode demorar alguns minutos para carregar!).

Assim como o programa de rastreamento de pontos de referência da íris, você também pode usar TensorFlow.js para rastrear os movimentos das mãos.

Você só precisa de uma webcam para essas duas demonstrações, e nenhum dado sai de sua máquina.


Treine seu próprio modelo, sem necessidade de codificação

Você pode treinar seu próprio modelo (sem necessidade de codificação) usando a Teachable Machine. É uma maneira rápida, divertida e fácil de criar um modelo de aprendizado de máquina direto no seu navegador. Por exemplo, você pode ensinar um modelo a reconhecer imagens ou sons que você grava usando seu microfone.

Aprofunde-se com os tutoriaisO TensorFlow inclui uma biblioteca Python poderosa. Para começar a usá-lo, aqui estão alguns tutoriais para iniciantes e especialistas. Esses tutoriais (que contêm código completo de ponta a ponta) abrangem tópicos de fundamentos do aprendizado de máquina a visão computacional e tradução automática - e até mostram como gerar arte com aprendizado de máquina.

Imagem CC de Virginia McMillan


Traga o TensorFlow para aplicativos móveis

O TensorFlow Lite permite que você crie aplicativos baseados em aprendizado de máquina em dispositivos móveis e pequenos dispositivos incorporados. Um grupo de estudantes de engenharia na Índia usou o TensorFlow Lite para desenvolver um aplicativo Android que fornece informações locais sobre a qualidade do ar usando uma câmera de smartphone.

Você também pode diminuir ainda mais: o TensorFlow Lite Micro permite que você execute modelos de aprendizado de máquina em microcontroladores (pequenos computadores que cabem na palma da sua mão).


Entenda como criar com responsabilidade

Como bilhões de pessoas em todo o mundo continuam a usar produtos e serviços com aprendizado de máquina em seu núcleo, torna-se cada vez mais importante projetar e implantar esses sistemas de forma responsável. O TensorFlow inclui um grande conjunto de ferramentas e práticas recomendadas para uma IA responsável, incluindo a ferramenta What-If que testa como os modelos de aprendizado de máquina funcionarão para diferentes pessoas em situações hipotéticas.


E você também pode fazer muito mais. O TensorFlow inclui um conjunto completo de ferramentas para potencializar os sistemas de ML de produção e ainda oferece suporte às pesquisas mais recentes em computação quântica.


Este é apenas o começo e estamos animados para ver o que os próximos cinco anos trarão. Para saber mais sobre o TensorFlow, confira tensorflow.org, leia o blog, siga-nos nas redes sociais ou inscreva-se em nosso canal no YouTube.