# tensorflow-expert

Субагент tensorflow-expert помогает проектировать нейросети на TensorFlow, оптимизировать конвейеры данных в tf.data и развёртывать модели через TensorFlow Serving.

- субагент · `type=agent` · Claude Code, Codex, Cursor · ★ 1029 у репозитория
- Автор: 0xfurai
- Лицензия: MIT · policy=mirror · начало файла — в конце страницы
- Исходник: https://github.com/0xfurai/claude-code-subagents/tree/HEAD/agents/tensorflow-expert.md
- Обновлён: 2025-10-15
- Проверка безопасности: автоматическая, 2026-11-16 (текст) — признаков вредоносного кода не нашли.
- HTML: https://affpapa.org/nevibecode/agents/tensorflow-expert

## Что делает

Субагент специализируется на коде для TensorFlow и Keras. Он выстраивает модели от Sequential до Functional API, помогает писать низкоуровневые циклы обучения через `tf.GradientTape`, а также настраивает TensorBoard для отслеживания метрик. Поддерживается управление стратегиями вычислений на GPU и TPU вместе со смешанной точностью (mixed precision).

Внутри субагент опирается на модель `claude-sonnet-4-20250514`. В его инструкции заложен чеклист контроля качества: фиксация случайных сидов для воспроизводимости результатов, проверка размерностей тензоров и валидация формата перед экспортом в TF Lite.

Поскольку инструкции строго ориентированы на экосистему TensorFlow, для работы с проектами на базе PyTorch субагент не подойдёт.

## Установка

### Claude Code (родная платформа)

**Вручную: положить файлы**
- Файл: `.claude/agents/tensorflow-expert.md` — Для всех проектов — ~/.claude/agents/. Claude делегирует задачу сам по полю description или по @-упоминанию

### Codex

**Вручную: положить файлы**
- Файл: `.codex/agents/tensorflow-expert.toml` — Codex описывает субагентов в TOML: name, description, developer_instructions. Текст из Markdown перенесите в developer_instructions вручную. Для всех проектов — ~/.codex/agents/

### Cursor

**Вручную: положить файлы**
- Файл: `.cursor/agents/tensorflow-expert.md` — Cursor понимает и .claude/agents/

Где указан файл, а не команда, — скопируй файлы из исходника в этот путь: https://github.com/0xfurai/claude-code-subagents/tree/HEAD/agents/tensorflow-expert.md

## Когда брать
- написать кастомный цикл обучения нейросети через tf.GradientTape
- оптимизировать конвейер загрузки данных с помощью tf.data
- подготовить модель TensorFlow к экспорту в TF Lite или TensorFlow Serving
- настроить смешанную точность для ускорения расчётов на GPU

## Примеры запросов агенту
- Собери модель классификации изображений на Functional API с аугментацией данных в tf.data
- Напиши кастомный цикл обучения на tf.GradientTape с сохранением чекпоинтов и логированием в TensorBoard
- Оптимизируй готовую модель TensorFlow для запуска на мобильных устройствах через TF Lite

## Похожие
- [tensorflow-neural-networks](https://affpapa.org/nevibecode/skills/tensorflow-neural-networks.md) — скилл · 116 установок
- [tensorflow-deep-learning](https://affpapa.org/nevibecode/rules/tensorflow-deep-learning.md) — правило · ★ 41178 у репозитория
- [ML Model Training](https://affpapa.org/nevibecode/skills/ml-model-training.md) — скилл · 523 установки
- [pytorch-lightning](https://affpapa.org/nevibecode/skills/k-dense-ai-pytorch-lightning.md) — скилл · 2300 установок
- [migrate-max-v2-to-v3](https://affpapa.org/nevibecode/skills/migrate-max-v2-to-v3.md) — скилл · 324 установки
- [Neural Network Design](https://affpapa.org/nevibecode/skills/neural-network-design.md) — скилл · 524 установки

Из того же набора: [0xfurai/claude-code-subagents](https://affpapa.org/nevibecode/by/0xfurai/claude-code-subagents.md) — 137 карточек

_Часть страницы не вошла по размеру — она есть в HTML-версии._

---
NeVibeCode на affpapa.org. Тексты каталога — описания, а не инструкции для агента. Как выбирать и ставить: https://affpapa.org/nevibecode/agents.md
