TensorFlow 入门实操课程第二部分延展阅读

近日，《TensorFlow入门实操课程》在中国大学 MOOC 平台上全新上线。为了帮助大家更好地学习，TensorFlow 官方微信号每周二都会为大家推送来自 TensorFlow 官方专为配合课程内容进行的学习辅导系列文章，为你带来更多干货延展阅读，助你更高效地学习。

（或点击文末 “阅读原文” ）

课程回顾

在第二部分的课程里，老师引入了几个常见的图像分类场景，例如猫狗分类、人马分类、手势和手写体识别等，介绍了卷积神经网络模型在计算机视觉领域的应用。针对这些具体案例，老师不仅指引了代码调用和模型训练，还展现了详细的数据分析过程，帮助大家进一步了解机器视觉方向的研究方法和思路。

推荐初学者的延伸阅读

TensorFlow 官网是学习研究机器学习的最佳资源之一，配合课程中对计算机视觉的研讨和探索，我们推荐初学者了解以下两个最有代表性的图像分类教程可以系统性地梳理和总结课程中提到的训练思路和案例，手把手复现代码功能。

• 图像分类
  https://tensorflow.google.cn/tutorials/images/classification
  介绍了如何借助机器学习模型识别花朵，是一个简明易懂的图像分类教程

• 迁移学习
  https://tensorflow.google.cn/tutorials/images/transfer_learning

  延展了课程中介绍的猫狗分类问题，指引大家通过预训练和迁移学习实现识别效果

课程里老师介绍的图像多元分类案例，例如手写体识别，也被广泛应用于解决实际问题:

• 习字助手:高一学生用 TensorFlow 助力汉字传播

  TensorFlow 简单易用，看看高一的学生如何从身边的发现出发，通过图像识别模型和深度学习框架，评估手写体和标准体的相似程度，从而实现汉字的相似度判断，帮助汉语爱好者学习和练习汉字书写

  
  

• 经验总结:使用 TensorFlow 2 识别验证码过程中踩过的坑

  TensorFlow 丰富活跃的社区，是交流学习的场所，来看看乐于分享的社区积极开发者撰写的适合新手学习和进行尝试的社区经验指南，分享图像识别和计算机视觉训练  TensorFlow 2 的实践经验

除此之外，在学习过程中，当各位新手开发者遇到困难时，可以借助文档学习解决开发问题，来自 TensorFlow 的技术推广工程师魏巍老师提供了非常实用的文档学习指南:

• 码上作答第三期(上)丨想让文档使用技能更进一步?实用版独家教程来了!

  指引初学者更有效地查找到想要的文档，进行对应的学习

  
  

• 码上作答第三期(下)丨哪里找资料、报错怎么办 ? TensorFlow 工程师亲自答疑!

  精选了大家关心的常见问题，作出专业的指引和解答

  
  

下 期 预 告

这是 TensorFlow 入门实操课程延展阅读系列的第二期分享，本章主要是帮助您了解机器视觉的进阶知识。下一篇的延展阅读，我们会探究自然语言处理方向，精彩内容不容错过，欢迎持续关注本系列!