首发地址：https://yq.aliyun.com/articles/71257
更多深度文章，请关注：https://yq.aliyun.com/cloud
如何开始学习使用TensorFlow？
相关回答：
Harrison Kinsley ——PythonProgramming.net的创始人
TensorFlow官方网站有相当多的文档和教程，但这些往往认为读者掌握了一些机器学习和人工智能知识。除了知道ML和AI，你也应该对Python编程语言非常熟练。因此，在开始学习如何使用TensorFlow前，首先学习更多的Python语言，而不是与机器学习直接相关的任何东西。
1、假设熟练Python，但不会机器学习，那么可以查看这个机器学习实践w / Python教程，其中涵盖了与机器学习相关的概念、算法、理论、应用程序等；
2、如果已经掌握了Python和机器学习的基础知识，但还不知道Deep Learning / TensorFlow，那么可以从神经网络介绍部分开始 。
3、如果已经知道神经网络/深度学习，那么可以从安装TensorFlow教程开始，或者可以从TensorFlow基础教程开始，这将直接导致实际建模一个深层神经网络。
Parag K Mital ——Kadenze Inc.机器智能总监
刚刚推出了一个关于Tensorflow的新课程：使用TensorFlow |创建深度学习应用程序
Kadenze与其他课程不同，这是一个以应用为导向的课程，通过鼓励探索创造性思维和深层神经网络的创造性应用，教你Tensorflow的基础知识以及最先进的算法，强烈鼓励尝试这门课程。这是唯一全面的在线课程，将教会你如何使用Tensorflow和开发您的创造潜力，了解如何应用这些技术创建神经网络。
课程资料：
本课程将介绍深度学习：构建人工智能算法的最先进的方法。涵盖深度学习的基本结构、意义，原理并开发必要的代码搭建各种算法，如深卷积网络，变分自动编码器，生成对抗网络和循环神经网络。本课程的主要重点是了解如何构建这些算法的必要结构以及如何应用它们来探索创意应用程序。
计划表
介绍数据与机器和深度学习算法的重要性，创建数据集的基础知识，如何预处理数据集，然后跳转到Tensorflow。此外将学习Tensorflow的基本结构，并了解如何使用它来过滤图像。
学期2：训练一个网络W / Tensorflow
将看到神经网络如何工作，网络是如何“训练”。然后将构建自己的第一个神经网络，并将其用于训练神经网络如何绘制图像的应用程序。
学期3：无监督和监督学习
探索能够编码大型数据集的深层神经网络，并了解如何使用此编码来探索数据集的“潜在”维度或生成全新内容。还将学习另一种类型的执行辨别学习的模型，并了解如何使用它来预测图像的标签。
学期4：可视化和幻化表示
指导执行一些真正有趣的可视化，包括可以产生无限生成分形的“深度梦想”或者“风格网络”，它允许我们将一个图像的内容和另一个图像的风格结合起来自动生成艺术美学。
学期5：生成模型
最后提供了一些未来生成建模方向的预测，包括一些现有技术模型，例如“生成式对抗网络”，以及其在“变分自动编码器”内的实现等内容。
Antonio Cangiano ——IBM软件开发和技术推广
大数据大学刚刚推出了一个免费的深层学习与TensorFlow课程。显然还有其他有效的资源可用，但建议你看一下本课程。同样查看目录中的其他数据科学和机器学习课程。课程是完全免费的，并且许多都有完成证书和IBM支持的开放徽章。
Ian Dewancker ——SigOpt研究工程师
最好的学习方式可能是通过学习和实验一个工作过的例子。在SigOpt有一个工作是通过TensorFlow示例调整一个卷积神经网络，该工程在github页面链接：sigopt / sigopt-examples
下面简短的视频教程讲授如何创建一个能够运行TensorFlow代码的AWS环境。该视频还概述了并行探索CNN配置的简单策略。
Ish Girwan ——在印度管理学院学习
作为初学者，可以使用以下资源：
Kuntal Mukherjee ——在Wipro Technologies工作
如果你是初学者，建议按照以下步骤学习：
1 首先快速学习Python。
2 学习AI和机器学习课程，可以尝试MIT OCW。
3 从TensorFlow网站教程开始。如果你已经在这个领域经历过，那么可以去步骤（3）开始学习更高级教程。
Rodolfo Bonnin ——建筑机器学习项目与Tensorflor 作家
Ankit Sachan ——Ilenze.com的创始人最简单的方法之一是查看和修改一些代码示例与额外的注释;
在开始的时候遇到了一些与困难。所以创造了一系列的教程。教程在Linkedin计算机视觉组上变得非常流行。
Angel Mario Castro Martinez ——在马克斯普朗克学会工作
对我来说，最好的起点是主页本身：
http：//www.tensorflow.org/versio ...
安装并习惯了如何处理数据和训练模型的方式，你可以尝试MNIST教程或其他几个教程：
https：//github.com/kronos-cm/Ten...
https：//github.com/jasonbaldridg...
如果正在寻找一个压缩版本的上述主题，可以尝试：
Suraj Vantigodi ——在印度班加罗尔理工学院工作
一个有用的链接学习TensorFlow，一旦完成后可以去Udacity课程深度学习| Udacity。
Kim Brian ——5年计算机编程经验
除了使用TensorFlow，有很多其它可能的解决方案。如果你是一个热心编码的人，建议不要使用TensorFlow，直到你知道如何编码基本的AI。
正如Kuntal Mukherjee先生所说，建议从基础知识中学习。
Chirila Sorina ——在Iasi计算机科学学院学习
请查看以下两个答案：
Ashwin D Kini ——喜欢阅读的Web开发人员
猜猜你没有访问过这个网站：
http：//www.tensorflow.org/tutori...
对于初学者：
Tuan Vu ——数据据科学家
如果你想了解张量流的基本结构，这个网站可能有帮助：学习TensorFlow
Kishore Karunakaran ——Vanenburg Software高级软件工程师
Tensorflow的教程:学习TensorFlow
Lifu Yi ——Mindx.ai的首席执行官
等待下一个更好的版本再学习它，当前版本的结构导致其糟糕的性能表现。
本文由北邮@爱可可-爱生活老师推荐，阿里云云栖社区组织翻译。
