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。
