# 其他资源 在本节中，您将找到对学习和使用 TensorFlow 有很大帮助的其他链接，文档资源和教程。 ## 做好准备 在学习如何使用 TensorFlow 时，有助于知道在哪里寻求帮助或指针。本节列出了运行 TensorFlow 和解决问题的资源。 ## 操作步骤 以下是 TensorFlow 资源列表： * 本书的代码可在 [https://github.com/nfmcclure/tensorflow_cookbook](https://github.com/nfmcclure/tensorflow_cookbook) 和 Packt 仓库在线获取： [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 文档位于 [https://www.tensorflow.org/api_docs/python](https://www.tensorflow.org/api_docs/python) 。这里有 TensorFlow 中所有函数，对象和方法的文档和示例。 * TensorFlow 的官方教程非常详尽。它们位于 [https://www.tensorflow.org/tutorials/index.html](https://www.tensorflow.org/tutorials/index.html) 。他们开始覆盖图像识别模型，并通过 Word2Vec，RNN 模型和序列到序列模型进行工作。他们还有额外的教程来生成分形和解决 PDE 系统。请注意，他们不断向此集合添加更多教程和示例。 * TensorFlow 的官方 GitHub 仓库可通过 [https://github.com/tensorflow/tensorflow](https://github.com/tensorflow/tensorflow) 获得。在这里，您可以查看开源代码，甚至可以根据需要分叉或克隆最新版本的代码。如果导航到 issues 目录，您还可以查看当前提交的问题。 * Dockerhub 的 [https://hub.docker.com/r/tensorflow/tensorflow/](https://hub.docker.com/r/tensorflow/tensorflow/) 上提供了一个由 TensorFlow 保持最新的公共 Docker 容器。 * Stack Overflow 是社区帮助的重要来源。 TensorFlow 有一个标签。随着 TensorFlow 越来越受欢迎，这个标签似乎越来越受关注。要查看此标记上的活动，请访问 [http://stackoverflow.com/questions/tagged/Tensorflow](http://stackoverflow.com/questions/tagged/Tensorflow) 。 * 虽然 TensorFlow 非常灵活且可以用于很多事情，但 TensorFlow 最常见的用途是深度学习。为了理解深度学习的基础，基础数学如何运作，以及在深度学习方面发展更多直觉，谷歌创建了一个在 Udacity 上可用的在线课程。要注册并参加视频讲座课程，请访问 [https://www.udacity.com/course/deep-learning--ud730](https://www.udacity.com/course/deep-learning--ud730) 。 * TensorFlow 还建立了一个网站，您可以在视觉上探索训练神经网络，同时更改参数和数据集。访问 [http://playground.tensorflow.org/](http://playground.tensorflow.org/) ，探讨不同的设置如何影响神经网络的训练。 * Geoffrey Hinton 通过 Coursera [https://www.coursera.org/learn/neural-networks](https://www.coursera.org/learn/neural-networks) 教授一个名为神经网络的机器学习在线课程。 * 斯坦福大学有一个在线教学大纲和详细的视觉识别卷积神经网络课程笔记 [http://cs231n.stanford.edu/](http://cs231n.stanford.edu/) 。