# 其他資源 在本節中，您將找到對學習和使用 TensorFlow 有很大幫助的其他鏈接，文檔資源和教程。 ## 做好準備 在學習如何使用 TensorFlow 時，有助于知道在哪里尋求幫助或指針。本節列出了運行 TensorFlow 和解決問題的資源。 ## 操作步驟 以下是 TensorFlow 資源列表： * 本書的代碼可在 [https://github.com/nfmcclure/tensorflow_cookbook](https://github.com/nfmcclure/tensorflow_cookbook) 和 Packt 倉庫在線獲取： [https://github.com/PacktPublishing/TensorFlow-Machine-Learning -Cookbook-Second-Edition](https://github.com/PacktPublishing/TensorFlow-Machine-Learning-Cookbook-Second-Edition) 。 * 官方 TensorFlow Python API 文檔位于 [https://www.tensorflow.org/api_docs/python](https://www.tensorflow.org/api_docs/python) 。這里有 TensorFlow 中所有函數，對象和方法的文檔和示例。 * TensorFlow 的官方教程非常詳盡。它們位于 [https://www.tensorflow.org/tutorials/index.html](https://www.tensorflow.org/tutorials/index.html) 。他們開始覆蓋圖像識別模型，并通過 Word2Vec，RNN 模型和序列到序列模型進行工作。他們還有額外的教程來生成分形和解決 PDE 系統。請注意，他們不斷向此集合添加更多教程和示例。 * TensorFlow 的官方 GitHub 倉庫可通過 [https://github.com/tensorflow/tensorflow](https://github.com/tensorflow/tensorflow) 獲得。在這里，您可以查看開源代碼，甚至可以根據需要分叉或克隆最新版本的代碼。如果導航到 issues 目錄，您還可以查看當前提交的問題。 * Dockerhub 的 [https://hub.docker.com/r/tensorflow/tensorflow/](https://hub.docker.com/r/tensorflow/tensorflow/) 上提供了一個由 TensorFlow 保持最新的公共 Docker 容器。 * Stack Overflow 是社區幫助的重要來源。 TensorFlow 有一個標簽。隨著 TensorFlow 越來越受歡迎，這個標簽似乎越來越受關注。要查看此標記上的活動，請訪問 [http://stackoverflow.com/questions/tagged/Tensorflow](http://stackoverflow.com/questions/tagged/Tensorflow) 。 * 雖然 TensorFlow 非常靈活且可以用于很多事情，但 TensorFlow 最常見的用途是深度學習。為了理解深度學習的基礎，基礎數學如何運作，以及在深度學習方面發展更多直覺，谷歌創建了一個在 Udacity 上可用的在線課程。要注冊并參加視頻講座課程，請訪問 [https://www.udacity.com/course/deep-learning--ud730](https://www.udacity.com/course/deep-learning--ud730) 。 * TensorFlow 還建立了一個網站，您可以在視覺上探索訓練神經網絡，同時更改參數和數據集。訪問 [http://playground.tensorflow.org/](http://playground.tensorflow.org/) ，探討不同的設置如何影響神經網絡的訓練。 * Geoffrey Hinton 通過 Coursera [https://www.coursera.org/learn/neural-networks](https://www.coursera.org/learn/neural-networks) 教授一個名為神經網絡的機器學習在線課程。 * 斯坦福大學有一個在線教學大綱和詳細的視覺識別卷積神經網絡課程筆記 [http://cs231n.stanford.edu/](http://cs231n.stanford.edu/) 。