机器学习是当前计算领域中最热门的事情。显而易见，为什么从无人驾驶汽车到执法部门再到股票市场预测等各种技术都被广泛使用。
TensorFlow是Google基于机器学习和神经网络的项目。让我们找出它的含义，用途以及如何学习使用它。
什么是TensorFlow？
如果不先了解什么机器学习就不可能完全解释TensorFlow是什么。是。机器学习和神经网络已经以比您想象的更多的方式影响我们的生活。
最简单的说，机器学习是教会计算机如何分析数据并做出明智决策的过程，直接编程即可。为此，我们训练神经网络执行特定任务。
TensorFlow是Google的开源神经网络库，由Google Brain团队开发，具有广泛的用途。本质上，TensorFlow消除了从头创建神经网络的需要。相反，您可以使用数据集训练TensorFlow并按需要使用结果。
到目前为止，还很抽象。你能用神经网络做什么？事实证明，几乎一切！
著名的TensorFlow示例
许多初学者的机器学习教程都使用图像分类作为早期的示例项目来帮助理解。通过将参考图像输入神经网络，它可以学习预测图像是否包含相似的对象。
要查看实际的过程，请看一下Siraj Raval的5分钟达斯·维德分类器。
这种计算机辅助的数据筛选功能非常强大，不仅用于定位野生达斯·维德斯。 TensorFlow已经用于生物医学图像分析中。
几乎每个依赖于大量图像数据分析的领域都可以从该技术中受益。正如官方TensorFlow简介视频中介绍的那样，它被用于简化对即将灭绝的儒艮的保护工作。
除了图像分类，TensorFlow还可用于动态更改图像。康奈尔大学的一个小组将“深层照片样式转换"组合在一起。在将该样式应用于原始图像之前，该项目会先获取输入图像和样式图像，从而获得令人赞叹的结果。
示例混合了自动和手动实现的图像分层，因此如果您想动手，
我们不陌生地使用计算机来创作精美的艺术品。计算机以我们发现的可识别方式展现创造力的想法长期以来一直是科幻梦想。借助TensorFlow之类的神经网络库，它比以往任何时候都更加紧密。
Magenta使用TensorFlow为音乐家创建工具。通过使用深度学习，Magenta扩展了音乐家可用的工具，以打开新型的声音混合，甚至是机器辅助的即兴呼叫和响应。
Magenta本身也可以用作智能音序器。使用外部库的能力是CodePen的众多出色功能之一。 Tero Parviainen使用magenta.js库创建了他漂亮的Latent Cycles笔。
通过设置神经网络并排生成的即兴循环，Latent Cycles允许任何人在没有先验音乐知识的情况下创建独特而优美的声音。
如何学习TensorFlow
机器学习是一个非常密集的学科。掌握统计，数学，程序设计和一般数据科学的知识对于理解至关重要。就是说，TensorFlow确实使初学者也很容易获得动手经验。 TensorFlow官方教程采用了逐步设置和使用方法。
大多数TensorFlow项目都使用Python编程语言。如果您是该语言的新手，那么这里有很多学习Python的好地方。如果您已经熟悉JavaScript，TensorFlow会提供涵盖TensorFlow.js库的教程视频。
这些教程以及Google的免费机器学习课程，都是来自库提供者的宝贵资源。<
Siraj Raval为快速，丰富地介绍TensorFlow和图像分类器，提供了5分钟的内容丰富（且让人神魂颠倒）的介绍。
这是Siraj YouTube上的许多视频之一关于机器学习的通道。在像这样的超快速视频和循序渐进的长视频流之间，这是学习TensorFlow和Python机器学习的好地方。
关注JavaScript和Tensorflow.js， Coding Train提供了另一种全面的方法：
主持人Daniel Shiffman讨论了TensorFlow的各种用例，他关于机器学习的系列文章是有关该主题的最佳免费课程之一。
此项目使用活动对象识别来控制自动废物分类器。尽管理论上可以使用任何微控制器，但该硬件似乎是Raspberry Pi的替代品。真正的工作是使用OpenCV和TensorFlow混合完成的。
视频中的项目未附带任何教程。 Dat Tran出色的OpenCV和TensorFlow文章使用相同的库，清楚地解释了每个元素。作为使用TensorFlow库的简单小规模想法，这种规模的项目是入门的理想方法。
借助机器学习进一步发展
TensorFlow是一个功能强大的工具可以说是互联网上最重要的公司。使其开源的决定很重要，因为它向我们所有人敞开了大门。
也就是说，机器学习是一个令人难以置信的密集主题。值得花一些时间在机器学习在线课程上，以充分利用TensorFlow。
