كتب الذكاء الاصطناعيمشاريع الذكاء الاصطناعيمقالات الذكاء الاصطناعيمعجم الذكاء الاصطناعياسئلة واجوبة في الذكاء الاصطناعيأكاديمية الذكاء الاصطناعي للأطفالأكاديمية الذكاء الاصطناعيمدرسة رياضيات الذكاء الاصطناعيمختبر الذكاء الاصطناعيمختبر الخوارزميات المستوحاة من الطبيعةأطلس نماذج الذكاء الاصطناعيموسوعة تطبيقات الذكاء الاصطناعيمستكشف مجموعات البيانات للذكاء الاصطناعياختبارات الذكاء الاصطناعيالفايب كودينغدليل البرمجة بالذكاء الاصطناعيمولّد مشاريع الذكاء الاصطناعيمرصد الذكاء الاصطناعيدليل أدوات الذكاء الاصطناعي البحث والنشر الأكاديميمكتبة البرومبتات الأكاديميةمستودع الرسائل والأطاريح في الذكاء الاصطناعيحاسبة الترقية العلميةأكاديمية الوكلاء الذكيينمختبر أخلاقيات الذكاء الاصطناعي والعدالةساحة ألعاب الذكاء الاصطناعيعبقري الذكاء الاصطناعيمختبر التنبؤ بالسلاسل الزمنيةموسوعة أطر ومكتبات الذكاء الاصطناعيمتحف الذكاء الاصطناعيمختبر الرؤية الحاسوبيةموسوعة شبكات التعلم العميق الحديثةمختبر الشبكات العصبية البيانيةمختبر تحليل الصور الطبيةمختبر معالجة اللغة الطبيعيةمختبر الحوسبة الكمّيةخرائط طريق الذكاء الاصطناعيأكاديمية ماتلاب والذكاء الاصطناعيمصمم الشبكات العصبيةأكاديمية الذكاء الاصطناعي بدون برمجةمختبر الذكاء الاصطناعي الكمّي

TensorFlow

منصة تعلم آلي شاملة من Google لبناء النماذج وتدريبها ونشرها على الخوادم والهواتف والمتصفحات.

نشطةمتوسطv2.21.0Apache-2.0أطر التعلم العميق

الوثائق الرسميةجرّب الأمثلة

المعلومات الأساسية

الاسمTensorFlow
الاسم الكاملTensorFlow
التصنيفأطر التعلم العميق
الجهة المطورةGoogle
سنة الإطلاق2015
الموقع الرسميwww.tensorflow.org
مستودع GitHubغير محدد
الوثائق الرسميةغير محدد
الحزمة على PyPItensorflow
الترخيصApache-2.0 (PyPI license)
حالة المشروعنشطة صدر لها إصدار خلال آخر 12 شهراً
آخر إصدار6 مارس 2026 (الإصدار 2.21.0)
لغة البرمجةPython، C++، CUDA
أنظمة التشغيلغير محدد
إصدار Python المطلوب>=3.10
مستوى الصعوبةمتوسط

آخر تحقق من هذه البيانات: 21 نوفمبر 2026 — المصدر: PyPI JSON API (2026-11-21)

نظرة عامة

يوفر TensorFlow موترات واشتقاقاً تلقائياً (GradientTape) وتنفيذاً فورياً مع إمكانية الترجمة إلى رسوم بيانية عبر tf.function، ويستخدم Keras واجهة عالية المستوى لبناء النماذج.

يتميز بمنظومة نشر ناضجة: TensorFlow Serving للخوادم، وLiteRT (المعروف سابقاً بـ TensorFlow Lite) للأجهزة المحمولة، وTensorFlow.js للمتصفح، وخطوط TFX للإنتاج.

متى تختارها؟ اختره عندما يكون النشر على الهواتف أو المتصفح أو منظومة Google جزءاً أساسياً من المشروع.

الاستخدامات

الاستخدامات الرئيسية

  • تدريب الشبكات العصبية ونشرها
  • نماذج للهواتف والأجهزة المدمجة
  • خطوط تعلم آلي إنتاجية

المجالات العلمية

  • الصناعة
  • الرؤية واللغة
  • الأجهزة الطرفية

أنواع المشاريع المناسبة

  • تطبيق تصنيف صور على الهاتف
  • خدمة نموذج إنتاجية

تطبيقات بحثية

  • تجارب التعلم العميق في البيئات التي تعتمد منظومة Google

التعلم العميق وبناء الشبكات العصبيةالشبكات الالتفافيةتصنيف الصورنشر النماذج وخدمتهاالتسريع بالمعالجات الرسومية

الخصائص التقنية

تُعرض الخاصية «مدعومة» فقط إذا كانت موثقة في الوثائق الرسمية للمكتبة؛ وما لم نتحقق منه يظهر «غير محدد».

دعم المعالج المركزي (CPU)مدعوم
دعم المعالج الرسومي (GPU)مدعومدعم GPU الرسمي على Linux؛ على Windows عبر WSL2 حسب دليل التثبيت.
التوافق مع CUDAمدعوم
التدريب أو الحوسبة الموزعةمدعوم
الاشتقاق التلقائي (Autodiff)مدعوم
نشر النماذج (Deployment)مدعوم
نماذج مدربة مسبقاًجزئي أو عبر إضافةعبر Keras Applications وKaggle Models (TensorFlow Hub سابقاً).
أنواع البيانات المدعومةfloat16/bfloat16/float32/float64، أعداد صحيحة، نصوص، موترات متناثرة وغير منتظمة
التكامل مع مكتبات أخرىKeras، TensorFlow Quantum، ONNX Runtime
المرونة (تقدير تحريري)عالية
الأداء (تقدير تحريري)عالية مع XLA
المجتمع (تقدير تحريري)ضخم
جودة التوثيق (تقدير تحريري)توثيق ودروس رسمية كثيرة

التثبيت والتشغيل

Shell
pip install tensorflow

دعم GPU يختلف حسب النظام؛ راجع دليل التثبيت الرسمي.

التوافق: Python >=3.10 — حسب بيانات الحزمة على PyPI، تحقق في 21 نوفمبر 2026

يُفضّل التثبيت داخل بيئة افتراضية (venv أو conda). وإذا احتجت توافقاً مع إصدار معين من CUDA أو نظام التشغيل فارجع إلى الوثائق الرسمية، لأن هذه المعلومات تتغير مع كل إصدار.

أمثلة برمجية

الأمثلة الموسومة «نُفّذ واختُبر» شُغّلت فعلياً وسُجّل مخرجها وتاريخ الاختبار وإصدارات المكتبات؛ وغيرها يحتاج GPU أو تنزيل نماذج فلم يُشغّل في بيئة الاختبار.

متوسطحلقة تدريب مخصصة بـ GradientTapeنُفّذ واختُبر

الهدف: كتابة خطوة تدريب يدوية في TensorFlow وترجمتها بـ tf.function.

Python — example.py
import tensorflow as tf

tf.random.set_seed(0)
x = tf.random.normal((256, 1)); y = 3 * x + 2 + 0.1 * tf.random.normal((256, 1))
w, b = tf.Variable(0.0), tf.Variable(0.0)
opt = tf.keras.optimizers.SGD(0.1)

@tf.function
def step():
    with tf.GradientTape() as tape:
        loss = tf.reduce_mean((w * x + b - y) ** 2)
    opt.apply_gradients(zip(tape.gradient(loss, [w, b]), [w, b]))
    return loss

for i in range(100):
    loss = step()
print(f"w={w.numpy():.3f} b={b.numpy():.3f} loss={loss.numpy():.4f}")

شرح الكود

GradientTape يسجل العمليات لحساب التدرجات، وtf.function يحول الدالة إلى رسم حسابي أسرع. نلائم خطاً مستقيماً y = 3x + 2 مع ضوضاء ونتحقق من تقارب المعاملات.

المتطلبات

Shell
pip install tensorflow

طريقة التشغيل

احفظ الكود في ملف example.py ثم شغّله:

Shell
python example.py

المخرجات المسجلة عند الاختبار

w=3.003 b=1.999 loss=0.0111

نُفّذ هذا المثال فعلياً واختُبر بتاريخ 21 نوفمبر 2026 على CPU — tensorflow 2.21.0, python 3.13.18

صفحة المثال

كل أمثلة TensorFlow في مستكشف الأكواد

المزايا

  • منظومة نشر متكاملة للخوادم والهواتف والويب
  • Keras واجهة سهلة
  • أدوات إنتاج ناضجة

القيود

  • حصته في الأبحاث الحديثة تراجعت لصالح PyTorch
  • رسائل الأخطاء في وضع الرسم البياني أصعب تتبعاً

المراجع والتحقق

سجل الإصدارات المتحقق منها

الإصدارتاريخ الإصدارتاريخ التحقق
2.21.06 مارس 202621 نوفمبر 2026

آخر مراجعة لمعلومات الصفحة: 21 نوفمبر 2026. الوصف العربي مكتوب أصلياً للموسوعة وليس منقولاً من المواقع الرسمية.

أبلغ عن معلومة تحتاج تحديثاً