Startseite Projekte tensorflow-docs
tensorflow-docs
Jupyter Notebook

tensorflow-docs

TensorFlow neueste offizielle Dokumentation auf Chinesisch

von xitu · GitHub
Sterne
Forks
Erstellt
Letzter Commit
Kategorie
documentationmachine-learningtensorflowJupyter Notebook
Auf GitHub ansehen
In einfachen Worten

Lesen Sie die offizielle TensorFlow-Dokumentation auf Chinesisch, um über Konzepte und Praktiken des maschinellen Lernens zu lernen.

Betreuen Sie dieses Projekt?

Beanspruchen Sie die Seite: indexiert unabhangig vom Rang, in sechs Sprachen ubersetzt und mit Ihren eigenen Worten erganzt.

Diese Seite beanspruchen →
tensorflow-docs — GitHub preview card
📈 Sternhistorie
3 7843 782
2026-07-072026-08-31
📈 tensorflow-docs verfolgen

Erhalten Sie eine E-Mail-Benachrichtigung beim nächsten Release oder wenn es durchstartet.

Kostenlos · ohne Karte · jederzeit abbestellbar
E-Mail-Alerts erhalten →
📄 Über

TensorFlow neueste offizielle Dokumentation auf Chinesisch

tensorflow-docs hat 3.8k Sterne auf GitHub. Es wurde 463-mal geforkt. tensorflow-docs ist hauptsächlich in Jupyter Notebook geschrieben. Es wird seit 2018 aktiv entwickelt. Die Hauptthemen sind: documentation, machine-learning, tensorflow.

Frequently asked questions

Was ist tensorflow-docs?

TensorFlow neueste offizielle Dokumentation auf Chinesisch

Ist tensorflow-docs Open Source?

tensorflow-docs ist ein Open-Source-Projekt.

Ist tensorflow-docs kostenlos?

Ja. tensorflow-docs ist kostenlos und Open Source — Sie können es nutzen, anpassen und selbst hosten.

In welcher Sprache ist tensorflow-docs geschrieben?

tensorflow-docs ist hauptsächlich in Jupyter Notebook geschrieben.

🏅 Wartender dieses Projekts?
olud.ai badge — tensorflow-docs

Fügen Sie dieses Live-Abzeichen zu Ihrem README hinzu — Ihre GitHub-Sterne und Verzeichnisrang, täglich aktualisiert.

[![olud.ai](https://olud.ai/badge.php?tool=xitu-tensorflow-docs)](https://olud.ai/project/xitu-tensorflow-docs.html)
Weitere Abzeichenoptionen →
🧬 Teilt DNA mit🧬 DNA-Karte ansehen →

Ermittelt aus gemeinsamen GitHub-Topics beider Projekte, gewichtet nach ihrer Seltenheit.