我是 TensorFlow 中国研发负责人李双峰。感谢邀请。

TensorFlow 是端到端的开源机器学习平台。提供全面,灵活的专业工具,使个人开发者轻松创建机器学习应用,助力研究人员推动前沿技术发展,支持企业建立稳健的规模化应用。

从2015年发布以来,TensorFlow在全球已有4100万的下载。作为全球使用广泛的机器学习框架,TensorFlow 已经度过三周年,TensorFlow 逐渐成为了端到端的成熟平台,有着完整的生态体系。随着 TensorFlow 2.0 的发布,标志着 TensorFlow 全新时代到来,它更为简单易用,更为灵活强大,更为生产环境可用,希望 TensorFlow 可以成为适合所有用户的机器学习平台,可以帮助每一个人利用机器学习解决现实世界的难题。

在解答如何高效的入门TensorFlow之前,我们先了解一下机器学习的主要步骤,以及TensorFlow如何建立相应的生态进行支持。

机器学习主要分为训练和部署两个步骤。

在训练阶段,TensorFlow不仅支持Python,更提供对Swift语言和JS语言的支持,你可以选择你熟悉的语言来进行开发。

在部署阶段,TensorFlow模型可以跑在不同的平台,支持服务器端部署的TensorFlow Serving, 支持Android,iOS和嵌入式设备等端侧平台部署的TensorFlow Lite,支持浏览器和Node 服务器部署的TensorFlow.js,以及包括C语言,Java 语言,Go语言,C#语言,Rust和R等多种语言。

通过下面总体架构图,就能非常快速的理解整个TensorFlow 的关键组成部分。


Teachable Machine 也是一个很好的入门方式,以轻松的交互体验帮助开发者理解机器学习的概念【teachablemachine.withgoogle.com】。


言归正传,我推荐现在开始想要学习TensorFlow的同学,从 TensorFlow 2.0 开始学习,它更简单易学,同时也是未来的趋势,越来越多的应用将基于 2.0。目前 TensorFlow 2.0 是 Beta 版本。【tensorflow.google.cn/be


TensorFlow的官方网站和线上课程是最好的学习起点。现在TensorFlow的中文官方网站已经上线【tensorflow.google.cn/】,开发者可以很顺畅的浏览网站内容。官方网站上有大量的基于TensorFlow的教程,覆盖了视觉、自然语言处理和语音等例子。【tensorflow.google.cn/tu

由 TensorFlow 团队和优达学城共同打磨的TensorFlow 入门免费课程【cn.udacity.com/course/i】中文版已经上线,通过该课程可以学习到如何应用TensorFlow构建神经网络、搭建模型、在不同环境部署模型等。从理论结合实践的角度讲解了深度学习知识。该课程也在持续更新当中。

那如何找到最适合自己的学习内容呢?

针对如何快速入门,起点不同、需求不同的开发者可以从以下几种方式开始 TensorFlow 机器学习探索之旅。

使用Keras高层API。Keras 是一个用于构建和训练深度学习模型的高阶 API,可用于快速设计原型、研究和生产环境使用。它具有易使用,模块化,可组合以及易于扩展等优点。Keras 是 TensorFlow 2.0 主要推荐的 API。你可以从学习 TensorFlow 官方网站上基于 Keras的教程开始【tensorflow.google.cn/beta/tutorials/keras】,并尝试解决一些简单的机器学习问题。

如果你习惯使用JavaScript语言,可以试着使用 TensorFlow.js 在网页端创建小型的体验应用。TensorFlow 官网提供丰富的基于JavaScript 的 demo【tensorflow.google.cn/js】,也准备了一系列可以开箱即用的模型,帮助你更快的在应用场景实现项目,快点体验TensorFlow.js 的强大功能吧【tensorflow.google.cn/js

微信小程序是JS开发者的重要阵地之一,针对JavaScript和小程序开发者 TensorFlow.js 提供了一个微信小程序的插件,它轻松将机器学习功能带入到小程序开发中,无需担忧背后的构建与开发。TensorFlow和微信小程序联合腾讯课堂NEXT学院共同发布的《TensorFlow.js遇上小程序》课程可以作为入门的学习教材来学习这个插件的应用【ke.qq.com/course/428263】。


TensorFlow Lite 提供了在移动端、嵌入式和物联网设备上运行 TensorFlow 模型所需的所有工具。如果你是移动应用开发者,可以尝试 TensorFlow Lite 的一系列模型和案例,【tensorflow.google.cn/lite/models】。可以先试试从图像分类的教程开始学习【tensorflow.google.cn/li

尝试使用 TensorFlow Hub 上预训练好的模型,参考【tensorflow.google.cn/hub】,也可以阅读现有的官方模型来学习如何设计模型【github.com/tensorflow/m

这些汉化的官方资料离不开 TensorFlow 社区志愿者的努力,我们正不断对开发文档进行翻译【tensorflow.google.cn/tu】,希望可以给中文母语的开发者提供更便捷的教程。如果你也有兴趣加入志愿翻译的队伍请访问【github.com/tensorflow/d】。

加入社群也是获得快速成长的一种有效方式,TensorFlow User Group (TFUG) 现在已经在15个城市成立了TensorFlow开发者社区,如果其中有你所在的城市,记得去寻找组织哦!TFUG 城市清单:【mp.weixin.qq.com/s/il2-

关于TensorFlow的最新技术指导会持续的更新在官方公众号,我们也不断邀请各类TensorFlow的应用企业分享他们的机器学习实现和体会,也是一个有效的学习途径。

最后,提醒各位关注TensorFlow的开发者们,2019 Google开发者大会将于9月10日正式开幕,大会现场将会涵盖TensorFlow的各方面议程,不论是TensorFlow的最新资讯还是未来发展方向,到场来宾都可以与Google的技术团队和行业翘楚们进行观点交流和深入探讨。大会还会为到场来宾提供Google技术的实际体验区,可以在这里亲身体验现代科学与艺术的惊艳融合,全方位探索Google的技术与平台。

在本次活动日程页面(链接如下),选择你感兴趣的议程,即可生成专属于你的定制大会日程表。动起手来制作你的日程表,与朋友们一起分享吧!events.google.cn/intl/z


没法来现场的朋友们也别着急,你还可以通过大会现场直播获得第一手信息,具体直播渠道请关注谷歌开发者公众号,后续信息会在公众号中进行公布。