Chuyển đến nội dung

tensorflow / tensorflow

TensorFlow

Nền tảng học máy của Google để xây, huấn luyện và triển khai mô hình AI bằng Python

TensorFlow là thư viện học máy mã nguồn mở do đội Google Brain tạo ra, dùng để xây dựng và chạy mạng nơ-ron từ thử nghiệm nhỏ đến hệ thống thật. Nó dành cho sinh viên và lập trình viên muốn tự làm mô hình nhận diện ảnh, dự đoán, xử lý ngôn ngữ, và có hệ sinh thái đầy đủ để đưa mô hình lên server, web hay thiết bị di động.

  • 201.619 sao
  • 77.972 fork
  • C++
  • Cập nhật hôm nay
  • Apache 2.0 (dùng tự do, kể cả thương mại)
Độ khó
Khó Dành cho người biết lập trình
Dạng
Thư viện lập trình
Chạy trên
Windows, macOS, Linux, Docker, Python
Chi phí
Miễn phí hoàn toàn

Trải nghiệm khi dùng TensorFlow

TensorFlow không phải phần mềm để bấm mở. Bạn cài nó như một thư viện Python, rồi viết vài dòng code trong file hoặc Jupyter Notebook (trang tính viết code chạy từng ô) để tạo ra một mạng nơ-ron. Lần đầu bạn thường làm bài kinh điển như dạy máy nhận diện chữ số viết tay hay phân loại ảnh quần áo.

Khi chạy huấn luyện, màn hình in ra từng vòng học (epoch) với độ chính xác tăng dần, và bạn lưu mô hình lại để dùng sau. Nếu máy có card đồ hoạ NVIDIA, quá trình này nhanh hơn rõ rệt so với chỉ dùng CPU, nhưng với bài tập nhỏ thì laptop thường cũng đủ.

Điểm đặc trưng của TensorFlow so với nhiều thư viện khác là phần triển khai: cùng một mô hình có thể được đóng gói để chạy trên server, trong trình duyệt hoặc trên điện thoại thông qua các công cụ trong hệ sinh thái. Vì vậy nó vẫn xuất hiện nhiều trong tài liệu, giáo trình và các hệ thống sản xuất đã có từ trước.

Tính năng nổi bật

Xây mạng nơ-ron bằng Python

Cung cấp các khối xây dựng từ đơn giản đến phức tạp để làm mô hình nhận diện ảnh, âm thanh, văn bản hay dữ liệu bảng.

Chạy được trên CPU, GPU

Gói chính hỗ trợ card đồ hoạ NVIDIA (Ubuntu và Windows theo README), còn thiết bị khác như DirectX và macOS Metal dùng qua các plugin thiết bị.

Gói CPU nhỏ gọn

Có bản tensorflow-cpu nhẹ hơn cho máy không có card đồ hoạ hoặc cho môi trường chỉ cần suy luận.

Hệ sinh thái triển khai

Đi kèm nhiều công cụ và thư viện mở rộng để đưa mô hình ra ứng dụng thực tế, xem danh sách ở trang tài nguyên chính thức.

Tài liệu và hướng dẫn phong phú

Có trang Tutorials từng bước cho người mới, kèm diễn đàn cộng đồng và rất nhiều bài viết, khoá học bên ngoài.

API ổn định cho Python và C++

README nói có API Python và C++ ổn định, các ngôn ngữ khác không đảm bảo tương thích ngược.

Tận dụng TensorFlow vào việc gì?

Sinh viên CNTT, người tự học AI

Học nhập môn deep learning

Làm lần lượt các bài hướng dẫn chính thức như phân loại ảnh, dự đoán giá, để hiểu cách một mạng nơ-ron được huấn luyện.

Sinh viên, người làm sản phẩm nhỏ

Làm đồ án nhận diện ảnh

Huấn luyện mô hình phân biệt ảnh sản phẩm hỏng và tốt, hoặc phân loại loại cây qua ảnh lá, rồi đóng gói thành ứng dụng.

Phân tích dữ liệu, chủ shop có người biết code

Dự đoán từ dữ liệu bán hàng

Dùng dữ liệu doanh số theo thời gian để thử dự báo, so sánh với các phương pháp đơn giản hơn trước khi quyết định có cần mạng nơ-ron hay không.

Lập trình viên, kỹ sư ML

Bảo trì hệ thống cũ

Nhiều hệ thống đã triển khai dùng TensorFlow, nên biết nó giúp bạn đọc, sửa và nâng cấp các mô hình đó.

Cần chuẩn bị gì?

  • Python và pip đã cài sẵn; nên dùng môi trường ảo (virtual environment) để không lẫn thư viện.
  • Máy 64-bit; card đồ hoạ NVIDIA hỗ trợ CUDA là tuỳ chọn để tăng tốc huấn luyện, chi tiết xem trang cài đặt GPU chính thức.
  • Phiên bản Python tương thích thay đổi theo từng bản TensorFlow, nên kiểm tra trang tensorflow.org/install trước khi cài.
  • Dung lượng ổ cứng vài GB cho thư viện và dữ liệu thử.

Hướng dẫn cài đặt chi tiết

Cài trên pip (Windows, macOS, Linux)

  1. Mở Terminal hoặc PowerShell, tạo một môi trường ảo riêng cho dự án rồi kích hoạt nó. Trên Windows PowerShell lệnh kích hoạt là .venv\Scripts\Activate.ps1, trên macOS/Linux là source .venv/bin/activate.

    Terminal
    python -m venv .venv
  2. Cài bản chính thức theo README. Bản này có hỗ trợ card đồ hoạ CUDA (Ubuntu và Windows).

    Terminal
    pip install tensorflow
  3. Nếu máy không có card đồ hoạ và bạn muốn gói nhỏ hơn, dùng bản CPU.

    Terminal
    pip install tensorflow-cpu
  4. Muốn nâng cấp lên bản mới thì thêm cờ --upgrade vào các lệnh trên.

Cài trên Docker và GPU

  1. README trỏ sang hướng dẫn chính thức cho Docker, bật GPU và biên dịch từ mã nguồn. Hãy mở các trang tensorflow.org/install/docker và tensorflow.org/install/gpu để lấy lệnh đúng với phiên bản và card đồ hoạ của bạn.

  2. Với macOS dùng chip Apple và thiết bị DirectX, README nói dùng các plugin thiết bị; xem danh sách ở trang tensorflow.org/install/gpu_plugins.

Dùng thử lần đầu

  1. Mở Python trong môi trường vừa cài rồi nhập các dòng sau (đây là ví dụ trong README) để kiểm tra thư viện hoạt động.

    Python
    import tensorflow as tf
    print(tf.add(1, 2).numpy())
    print(tf.constant('Hello, TensorFlow!').numpy())
  2. Nếu in ra số 3 và dòng chữ Hello, TensorFlow là cài thành công.

  3. Xem số lượng card đồ hoạ mà TensorFlow nhìn thấy (kết quả trống nghĩa là đang chạy bằng CPU).

    Python
    import tensorflow as tf
    print(tf.config.list_physical_devices('GPU'))
  4. Mở trang tensorflow.org/tutorials và làm bài đầu tiên cho người mới (phân loại ảnh). Chạy trên Google Colab nếu máy bạn yếu.

Mẹo dùng hay

  • Luôn cài trong môi trường ảo; TensorFlow kéo theo nhiều thư viện nên dễ gây xung đột với dự án khác.
  • Máy yếu thì dùng Google Colab để có sẵn môi trường chạy thử, không phải cài gì.
  • Nếu bạn mới học, hãy so sánh thêm với PyTorch; nhiều khoá học và bài báo mới hiện dùng PyTorch, còn tài liệu cũ và hệ thống sẵn có dùng TensorFlow.

Lưu ý và hạn chế

  • Đây là thư viện cho người biết lập trình Python, không có giao diện bấm chuột.
  • Việc chọn phiên bản Python, CUDA và driver cho khớp là nơi người mới hay mắc kẹt, nhất là trên Windows; hãy đọc kỹ trang cài đặt GPU chính thức.
  • Bản nightly (tf-nightly) dùng để thử nghiệm, không nên dùng cho sản phẩm thật.

Câu hỏi thường gặp

TensorFlow có miễn phí không?

Có. Đây là mã nguồn mở theo giấy phép Apache-2.0, dùng được cho cả mục đích thương mại.

Máy không có card đồ hoạ có học được TensorFlow không?

Được. Bài tập nhỏ chạy tốt bằng CPU, và bạn có thể dùng bản tensorflow-cpu hoặc Google Colab khi cần tăng tốc.

Nên học TensorFlow hay PyTorch?

Cả hai đều phổ biến. TensorFlow mạnh ở hệ sinh thái triển khai và hệ thống sẵn có; PyTorch được dùng nhiều trong nghiên cứu và các dự án mới. Bạn có thể bắt đầu với cái mà khoá học của mình đang dùng.

Tải mã nguồn về máy

Nếu bạn muốn xem hoặc sửa mã nguồn, mở Terminal (trên Windows là PowerShell) và chạy lệnh dưới. Máy cần cài sẵn Git.

Terminal
git clone https://github.com/tensorflow/tensorflow.git

Repo tương tự nên xem

Thư viện & framework AI106K

PyTorch

pytorch / pytorch

Thư viện học sâu phổ biến nhất giới nghiên cứu, tính toán tensor trên GPU và huấn luyện mạng nơ-ron

KhóWindowsmacOSLinuxDocker+1
Thư viện & framework AI68,2K

scikit-learn

scikit-learn / scikit-learn

Thư viện học máy cổ điển bằng Python: phân loại, dự đoán, gom nhóm dữ liệu bảng rất dễ dùng

KhóWindowsmacOSLinuxPython
Thư viện & framework AI169K

Hugging Face Transformers

huggingface / transformers

Thư viện Python để tải và chạy hàng triệu mô hình AI từ Hugging Face chỉ với vài dòng code

KhóWindowsmacOSLinuxPython

Nội dung được biên soạn bằng tiếng Việt dựa trên tài liệu chính thức của dự án, cập nhật lần cuối 16/11/2026. Lệnh cài có thể thay đổi theo phiên bản mới; nếu có khác biệt, hãy làm theo README trên GitHub.

Cùng chủ đề: Thư viện & framework AI

Thư viện & framework AI150K

LangChain

langchain-ai / langchain

Thư viện Python giúp lập trình viên ráp ứng dụng và agent chạy bằng AI từ các mảnh ghép dựng sẵn

KhóPython
Thư viện & framework AI91,6K

OpenCV

opencv / opencv

Thư viện thị giác máy tính kinh điển: xử lý ảnh, video, nhận diện khuôn mặt, vật thể

KhóWindowsmacOSLinuxAndroid+2
Thư viện & framework AI79,6K

Unsloth

unslothai / unsloth

Ứng dụng chạy và tinh chỉnh mô hình AI trên máy mình, tiết kiệm VRAM và nhanh hơn

VừaWindowsmacOSLinuxDocker+1
Thư viện & framework AI76,1K

LLaMA-Factory

hiyouga / LlamaFactory

Tinh chỉnh hơn 100 mô hình ngôn ngữ qua giao diện web hoặc dòng lệnh, gần như không cần viết code

KhóWindowsLinuxDockerPython
Thư viện & framework AI63,5K

Ultralytics YOLO

ultralytics / ultralytics

Nhận diện vật thể, phân đoạn, theo dõi trong ảnh và video bằng họ mô hình YOLO chỉ với một lệnh

VừaWindowsmacOSLinuxDocker+1
Thư viện & framework AI63,3K

LiteLLM

BerriAI / litellm

Cổng AI thống nhất: gọi hơn 100 mô hình của OpenAI, Anthropic, Gemini... bằng cùng một định dạng

KhóWindowsmacOSLinuxDocker+1

Xem cả 14 repo Thư viện & framework AI Về Kho Repo