新智元
2024-11-30 
【TensorFlow超级指南】你能想到的TF教程和资源都在这里了
来源：bytegain
编译：三石
【新智元导读】众所周知，TensorFlow已然成为机器学习的热门工具。不论是学习还是从事与机器学习相关的工作，能够灵活使用TensorFlow可以大幅提高作业效率。本文涵盖与TensorFlow相关的教程、书籍、工具、求职等的大量信息。尽数资源，应有尽有。
不论你是刚刚“入坑”机器学习，亦或是在机器学习领域摸爬滚打多年，本文所总结的TensorFlow资源，总有一款是你需要的！
话不多说，上干货！
教程
Martin Grner课程—《无需成为博士即可学会TensorFlow和机器学习》：
66:51
如果你已经掌握了线性代数，那么这是一个很好的起点。 因为它会涉及几个高级概念，例如：
什么是神经元；不同类型的激活函数以及为何要使用Relu；如何通过dropout提高模型的精确度；如何评估模型以及如何调参。
Jacob Buckman—《TensorFlow：令人困惑的部分（1）》：
Dino Causevic—《TensorFlow入门：机器学习教程》：
《Python TensorFlow教程：构建一个神经网络》：
TensorFlow教程：
Jason Brownlee—《掌握机器学习》：
示例
代码示例
工具
Google Colaboratory (Colab)：
COLAB笔记本
Colab提供了一个基于Jupyter的交互式Python笔记本，它具有两大优势：
可以使用它来生成HTML / CSS的可视化免费的GPU计算时间
Colab是一个用来共享研究、分享学习新工具心得的平台。
Tensorboard：
https://www.tensorflow.org/programmers_guide/summaries_and_tensorboard
https://github.com/tensorflow/tensorboard
Tensorboard正在展示交叉熵图
Tensorboard 3D图
Tensorboard是一种可视化机器学习模型的工具。 旨在解决黑盒问题。 它对以下几方面的内容有较大的作用：
设计模型的结构调试可视化性能生成结果图
一些技巧
结合使用Tensorboard和Colab：
如果你发现了Tensorboard和Colab的价值所在，那么你就值得花费一定的时间学习如何讲它们结合使用。
相关推荐
- 免责声明
- 本文所包含的观点仅代表作者个人看法，不代表新火种的观点。在新火种上获取的所有信息均不应被视为投资建议。新火种对本文可能提及或链接的任何项目不表示认可。 交易和投资涉及高风险，读者在采取与本文内容相关的任何行动之前，请务必进行充分的尽职调查。最终的决策应该基于您自己的独立判断。新火种不对因依赖本文观点而产生的任何金钱损失负任何责任。
