# tensorflow

Правило задаёт ориентиры для Python-кода с TensorFlow: модели на tf.keras, конвейеры данных на tf.data и компиляцию функций через @tf.function. Пригодится для настройки проекта машинного обучения.

- правило · `type=rule` · Cursor · ★ 3580
- Автор: sanjeed5
- Лицензия: CC0-1.0 · policy=mirror · начало файла — в конце страницы
- Исходник: https://github.com/sanjeed5/awesome-cursor-rules-mdc/tree/HEAD/rules-mdc/tensorflow.mdc
- Обновлён: 2026-05-19
- HTML: https://affpapa.org/nevibecode/rules/tensorflow

## Что делает

Правило применяется к файлам `**/*.py`. Оно направляет агента к моделям `tf.keras` — через Functional API для сложных моделей и `Sequential` для простых, — и к потоковой обработке данных через `tf.data`. В примерах конвейер загружает набор данных, преобразует изображения, перемешивает записи и добавляет предварительную загрузку следующей порции.

Для пользовательских циклов обучения правило рекомендует `@tf.function`, а для воспроизводимости — задавать случайные начальные значения для TensorFlow, NumPy и Python. Также оно советует аннотировать типы и использовать виртуальное окружение `venv` или `conda`. Внутри `@tf.function` поведение Python-побочных эффектов может отличаться от ожиданий: для отладки правило предлагает `tf.print`.

## Установка

### Cursor (родная платформа)

**Вручную: положить файлы**
- Файл: `.cursor/rules/tensorflow.mdc` — Во frontmatter: description, globs, alwaysApply

### Claude Code

**Вручную: положить файлы**
- Файл: `.claude/rules/tensorflow.md` — Поле paths во frontmatter ограничивает файлы: globs из источника → paths

### Codex

**AGENTS.md**
- Codex читает AGENTS.md: вставьте текст правила туда

### GitHub Copilot

**Вручную: положить файлы**
- Файл: `.github/instructions/tensorflow.instructions.md` — Поле applyTo задаёт, к каким файлам применять: globs из источника → applyTo

### Windsurf (Devin Desktop)

**Вручную: положить файлы**
- Файл: `.devin/rules/tensorflow.md`

### Cline

**Вручную: положить файлы**
- Файл: `.clinerules/tensorflow.md`

Где указан файл, а не команда, — скопируй файлы из исходника в этот путь: https://github.com/sanjeed5/awesome-cursor-rules-mdc/tree/HEAD/rules-mdc/tensorflow.mdc

## Когда брать
- строить модель TensorFlow через `tf.keras`
- потоково подавать данные в модель через `tf.data`
- оборачивать шаг обучения в `@tf.function`
- задавать случайные начальные значения для воспроизводимых запусков
- аннотировать типы в функциях обработки тензоров

## Примеры запросов агенту
- Настрой правило для этого Python-проекта: модели описывай через `tf.keras`, а входные данные подавай через `tf.data`.
- Проверь шаг обучения TensorFlow и предложи, где применить `@tf.function`.
- Добавь в код фиксирование случайных начальных значений для TensorFlow, NumPy и Python.

## Похожие
- [tensorflow-deep-learning](https://affpapa.org/nevibecode/rules/tensorflow-deep-learning.md) — правило · ★ 41028
- [typespec-m365-copilot](https://affpapa.org/nevibecode/rules/typespec-m365-copilot.md) — правило · ★ 40478
- [python-mcp-server](https://affpapa.org/nevibecode/rules/python-mcp-server.md) — правило · ★ 40478
- [microsoft-foundry](https://affpapa.org/nevibecode/rules/microsoft-foundry.md) — правило · ★ 40478
- [langchain-python](https://affpapa.org/nevibecode/rules/langchain-python.md) — правило · ★ 40478
- [java-mcp-server](https://affpapa.org/nevibecode/rules/java-mcp-server.md) — правило · ★ 40478
- [go-mcp-server](https://affpapa.org/nevibecode/rules/go-mcp-server.md) — правило · ★ 40478

Из того же набора: [sanjeed5/awesome-cursor-rules-mdc](https://affpapa.org/nevibecode/by/sanjeed5/awesome-cursor-rules-mdc.md) — 240 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