TensorFlow从入门到精通 | 预告篇

导言

[TensorFlow从入门到精通]系列课程既包含TensorFlow的基础知识点（如Graph），还有卷积神经网络、模型的保存和恢复、迁移学习、Fine-Tuning、超参数优化和自然语言处理等实战内容。

作者: Magnus Erik Hvass Pedersen

编辑: Amusi

校稿: Amusi

前言

前些天，Amusi整理了一份重磅 | TensorFlow学习资料最全集锦，里面包含TensorFlow相关的书籍、视频和在线学习网站等资料。

其中，Amusi很喜欢 Magnus Erik Hvass Pedersen大佬制作的TensorFlow Tutorials 课程。该课程提供视频教程（在YouTube上，需要访问外国网站观看），并在github上发布了源码。

Amusi 曾经也学过一点 TensorFlow的知识，但觉得不够系统，所以觉得按部就班的将TensorFlow Tutorials学习一遍。日常整理的翻译和笔记都会同步发布到 TensorFlow-From-Zero-to-One 上。TensorFlow-From-Zero-to-One 包含了网上教程、视频教程、书籍资源和实战项目等资料。如下图所示：

直接点击 “阅读全文” 即可访问 TensorFlow-From-Zero-to-One。

link: https://github.com/amusi/TensorFlow-From-Zero-To-One

喜欢的童鞋，欢迎star、fork和pull。

TensorFlow从入门到精通

Amusi 对Magnus Erik Hvass Pedersen大佬制作的TensorFlow Tutorials 课程进行翻译，并记录成笔记。这个系列笔记暂定称为 TensorFlow从入门到精通。

虽然 “xxx从入门到精通” 这个梗大家都知道，而且对此印象并不友好。但 Amusi觉得与网上千篇一律的“xxx入门教程”、"xxx入门实战"相比，还是 TensorFlow从入门到精通 好一点，因为课程内容并不只是入门，还有很多深入的知识点。

如果你有很好的命名提议，欢迎后台回复~么么哒

TensorFlow Tutorials课程如下，而后来推出的TensorFlow从入门到精通 如不出意外，也会按此顺序来介绍。

• 01 简单线性模型（Simple Linear Model）
• 02 卷积神经网络（Convolutional Neural Network）
• 03 张量（Pretty Tensor）
• 03-B 层（Layers） API
• 03-C Keras API
• 04 保存和恢复（Save & Restore）
• 05 Ensemble Learning
• 06 CIFAR-10
• 07 Inception Model
• 07 Inception Model(Extra)
• 08 迁移学习（Transfer Learning）
• 09 视频数据（Video Data）
• 10 Fine-Tuning
• 11 对抗示例（Adversarial Examples）
• 12 MNIST的对抗噪声（Adversarial Noise for MNIST）
• 13 视觉分析（Visual Analysis）
• 13-B MNIST的视觉分析（Visual Analysis for MNIST）
• 14 DeepDream
• 15 风格迁移（Style Transfer）
• 16 增强学习（Reinforcement Learning）
• 17 估计器API（Estimator API）
• 18 TFRecords & Dataset API
• 19 超参数优化（Hyper-Parameter Optimization）
• 20 自然语言处理（Neural Language Processing）
• 21 机器翻译（Machine Translation）
• 22 图像字幕（Image Captioning）
• 23 时间序列预测（Time-Series Prediction）

注：国内挺多在线教育平台推出了 TensorFlow 相关教程，个人觉得课程质量参差不齐。为了避免大家花冤枉钱，Amusi 还是选择“无广告费”的优质课程分享给大家。因为课程是英文的，所以并不够太太太完美，等到以后Amusi遇到比较不错的中文课程，到时再分享给大家。