新智元
2024-11-30 
【TensorFlow超級指南】你能想到的TF教程和資源都在這里了
來源：bytegain
編譯：三石
【新智元導讀】眾所周知，TensorFlow已然成為機器學習的熱門工具。不論是學習還是從事與機器學習相關的工作，能夠靈活使用TensorFlow可以大幅提高作業效率。本文涵蓋與TensorFlow相關的教程、書籍、工具、求職等的大量信息。盡數資源，應有盡有。
不論你是剛剛“入坑”機器學習，亦或是在機器學習領域摸爬滾打多年，本文所總結的TensorFlow資源，總有一款是你需要的！
話不多說，上干貨！
教程
Martin Grner課程—《無需成為博士即可學會TensorFlow和機器學習》：
66:51
如果你已經掌握了線性代數，那么這是一個很好的起點。 因為它會涉及幾個高級概念，例如：
什么是神經元；不同類型的激活函數以及為何要使用Relu；如何通過dropout提高模型的精確度；如何評估模型以及如何調參。
Jacob Buckman—《TensorFlow：令人困惑的部分（1）》：
Dino Causevic—《TensorFlow入門：機器學習教程》：
《Python TensorFlow教程：構建一個神經網絡》：
TensorFlow教程：
Jason Brownlee—《掌握機器學習》：
示例
代碼示例
工具
Google Colaboratory (Colab)：
COLAB筆記本
Colab提供了一個基于Jupyter的交互式Python筆記本，它具有兩大優勢：
可以使用它來生成HTML / CSS的可視化免費的GPU計算時間
Colab是一個用來共享研究、分享學習新工具心得的平臺。
Tensorboard：
https://www.tensorflow.org/programmers_guide/summaries_and_tensorboard
https://github.com/tensorflow/tensorboard
Tensorboard正在展示交叉熵圖
Tensorboard 3D圖
Tensorboard是一種可視化機器學習模型的工具。 旨在解決黑盒問題。 它對以下幾方面的內容有較大的作用：
設計模型的結構調試可視化性能生成結果圖
一些技巧
結合使用Tensorboard和Colab：
如果你發現了Tensorboard和Colab的價值所在，那么你就值得花費一定的時間學習如何講它們結合使用。
相關推薦
- 免責聲明
- 本文所包含的觀點僅代表作者個人看法，不代表新火種的觀點。在新火種上獲取的所有信息均不應被視為投資建議。新火種對本文可能提及或鏈接的任何項目不表示認可。 交易和投資涉及高風險，讀者在采取與本文內容相關的任何行動之前，請務必進行充分的盡職調查。最終的決策應該基于您自己的獨立判斷。新火種不對因依賴本文觀點而產生的任何金錢損失負任何責任。
