[TensorFlow] TensorFlow学习的方向

教程
本节包含演示如何在 TensorFlow 中执行特定任务的教程。
如果您是 TensorFlow 的新手，那么在阅读这些教程之前，我们建议阅读“入门”一节中的文档。

[1]以下教程解释了 TensorFlow 系统上CPU和GPU的交互：
(1)使用GPU

[2]以下教程介绍了图像识别的不同方面：
(1)图像识别，它引入了图像识别领域和一个用于识别图像的模型（Inception）。
(2)如何重新开始新类别的最后一层，其中有一个不言自明的标题。
(3)TF层指南：建立卷积神经网络，介绍卷积神经网络（CNN），并演示如何在 TensorFlow 中建立CNN。
(4)卷积神经网络，演示如何建立一个小的CNN识别图像。本教程针对先进的 TensorFlow 用户。

[3]以下教程着重于人类语言中的机器学习问题：
(1)向量表示的单词，演示如何创建一个嵌入单词。
(2)循环神经网络，演示如何使用循环神经网络来预测句子中的下一个单词。
(3)序列 - 序列模型，演示了如何使用序列 - 序列模型将文本从英文翻译成法文。

[4]以下教程专注于线性模型：
(1)带有 TensorFlow 的大规模线性模型，它引入了线性模型，并演示了如何使用高级API构建它们。
(2) TensorFlow 线性模型教程，演示如何解决 TensorFlow 中的二元分类问题。
(3) TensorFlow 广泛深度学习教程，它解释了如何使用高级API共同训练宽线性模型和深度前馈神经网络。
(4)使用显式内核方法改进线性模型，该方法展示了如何使用显式内核映射提高线性模型的质量。
(5)简单的音频识别，它展示了如何建立一个基本的语音识别网络。

[5]尽管 TensorFlow 专门从事机器学习，但您也可以使用 TensorFlow 来解决其他类型的数学问题。例如：
(1)Mandelbrot集合

(2)偏微分方程