機器之心編輯，參與：思源。
現在 TensorFlow 有官方中文版教程啦，以前的英文版 Tutorials 有了對應的中文翻譯。各位還在 TensorFlow 門前徘徊的開發者們，現在可以對著中文教程學習各種流行模型啦。
TensorFlow 最近提供了官方中文版教程（Tutorials）和中文版指南（Guide）。其中教程主要介紹了 TensorFlow 的基本概念，以及各種基礎模型的簡單實現方法，這些模型基本上都是用 Keras 等易於理解的高階 API 完成。而指南則深入介紹了 TensorFlow 的工作原理，包括高階 API、Estimator、低階 API 和 TensorBoard 等。
專案地址：tensorflow.google.cn/tutorials/?…
中文版教程
TensorFlow 是一個用於研究和生產的開源機器學習庫。TensorFlow 提供了各種 API，可供初學者和專家在臺式電腦、移動裝置或雲端環境下進行開發。而中文版教程的目的是希望能為初學者提供瞭解及入門 TensorFlow 的知識，包括用 Keras 實現最基本的分類和迴歸模型、使用 Eager Execution 構建定製化神經網路、使用 Estimator 構建大規模機器學習等。
如上展示了 TensorFlow 第一步學習的一些內容，其中第一個基本分類介紹瞭如何使用全連線網路處理 Fashion-MNIST 資料集，這一教程完整地介紹了 TensorFlow 的主要流程，剩下的 4 個初步教程也會一步步教你怎樣使用它。
除了入門的 Keras，用於研究的 Eager Execution 和用於大規模訓練的 Estimator 也都有中文介紹。不過它們同樣會提供一些 Github 專案，這些專案大多數還都是保留英文，這兩部分只有介紹性的文章會提供中文。
後面剩下的就是大量前沿模型了，這些模型很多都提供的是對應 Github 地址或 Colab 教程地址，因此它們大部分也都是英文的，不過既然入了門，再理解這些模型也就沒問題了。總體而言，這些教程可以分為生成模型、視覺模型、序列模型和資料表徵等 18 種模型。
最後，教程部分還提供了後續學習計劃，包括詳細瞭解 TensorFlow 和機器學習兩部分。其中 TensorFlow 提供了指南、TensorFlow.js 和 TFLite 等學習路徑，機器學習提供了 CS231n、機器學習速成課程、CS 20 等課程推薦。
中文指南
如果讀者本來就有比較好的基礎，那麼我們在實踐中可能會遇到很多具體問題，例如呼叫 TPU、使用靜態計算圖、或者使用 TensorBoard 進行視覺化等。當遇到這些特定問題時，我們可以看一看 TensorFlow 指南，它可能會提供詳細的介紹。
中文指南主要分為以下部分，這些內容都有中文介紹，所以閱讀性還是挺高的。
高階 API
Keras：用於構建和訓練深度學習模型的 TensorFlow 高階 API。
Eager Execution：一個以命令方式編寫 TensorFlow 程式碼的 API，就像使用 NumPy 一樣。
Estimator：一個高階 API，可以提供已準備好執行大規模訓練和生產的完全打包的模型。
匯入資料：簡單的輸入管道，用於將您的資料匯入 TensorFlow 程式。
Estimator
Estimator：瞭解如何將 Estimator 用於機器學習。
預建立的 Estimator：預建立的 Estimator 的基礎知識。
檢查點：儲存訓練進度並從儲存的地方繼續訓練或推斷。
特徵列：在不對模型做出更改的情況下處理各種型別的輸入資料。
Estimator 的資料集：使用 tf.data 輸入資料。
建立自定義 Estimator：編寫自己的 Estimator。
加速器
使用 GPU：介紹了 TensorFlow 如何將操作分配給裝置，以及如何手動更改此類分配。
使用 TPU：介紹瞭如何修改 Estimator 程式以便在 TPU 上執行。
低階 API
簡介：介紹瞭如何使用高階 API 之外的低階 TensorFlow API 的基礎知識。
張量：介紹瞭如何建立、操作和訪問張量（TensorFlow 中的基本物件）。
變數：詳細介紹瞭如何在程式中表示共享持久狀態。
資料流圖：這是 TensorFlow 將計算表示為操作之間的依賴關係的一種表示法。
會話：TensorFlow 跨一個或多個本地或遠端裝置執行資料流圖的機制。如果您使用低階 TensorFlow API 程式設計，請務必閱讀並理解本單元的內容。如果您使用高階 TensorFlow API（例如 Estimator 或 Keras）程式設計，則高階 API 會為您建立和管理圖和會話，但是理解圖和會話依然對您有所幫助。
儲存和恢復：介紹瞭如何儲存和恢復變數及模型。