英語不行？你可以試試 TensorFlow 官方中文版教程
TensorFlow 最近提供了官方中文版教程（Tutorials）和中文版指南（Guide）。其中教程主要介紹了TensorFlow 的基本概念，以及各種基礎模型的簡單實現方法，這些模型基本上都是用 Keras 等易於理解的高階 API 完成。而指南則深入介紹了TensorFlow 的工作原理，包括高階 API、Estimator、低階 API 和TensorBoard 等。
專案地址：https://tensorflow.google.cn/tutorials/?hl=zh-cn
中文版教程
TensorFlow 是一個用於研究和生產的開放原始碼機器學習庫。TensorFlow 提供了各種 API，可供初學者和專家在桌面、移動、網路和雲端環境下進行開發。而中文版教程的目的是希望能為初學者提供瞭解及入門TensorFlow 的知識，包括用 Keras 實現最基本的分類和迴歸模型、使用 Eager Execution 構建定製化神經網路、使用 Estimator 構建大規模機器學習等。
如上展示了TensorFlow 第一步學習的一些內容，其中第一個基本分類介紹瞭如何使用全連線網路處理 Fashion-MNIST 資料集，這一教程完整地介紹了TensorFlow 的主要流程，剩下的 4 個初步教程也會一步步教你怎樣使用它。
除了入門的 Keras，用於研究的 Eager Execution 和用於大規模訓練的 Estimator 也都有中文介紹。不過它們同樣會提供一些 Github 專案，這些專案大多數還都是保留英文，這兩部分只有介紹性的文章會提供中文。
後面剩下的就是大量前沿模型了，這些模型很多都提供的是對應 Github 地址或 Colab 教程地址，因此它們大部分也都是英文的，不過既然入了門，再理解這些模型也就沒問題了。總體而言，這些教程可以分為生成模型、視覺模型、序列模型和資料表徵等 18 種模型。
最後，教程部分還提供了後續學習計劃，包括詳細瞭解TensorFlow 和機器學習兩部分。其中TensorFlow 提供了指南、TensorFlow.js 和 TFLite 等學習路徑，機器學習提供了 CS231n、機器學習速成課程、CS 20 等課程推薦。
中文指南
如果讀者本來就有比較好的基礎，那麼我們在實踐中可能會遇到具體的問題，例如呼叫 TPU、使用靜態計算圖、或者使用TensorBoard 進行視覺化等。當遇到這些特定問題時，我們可以查閱查閱TensorFlow 指南，它可能會提供詳細的介紹。
中文指南主要分為以下部分，這些內容都有中文介紹，所以閱讀性還是挺高的。
高階 API
-
Keras：用於構建和訓練深度學習模型的TensorFlow 高階 API。
-
Eager Execution：一個以命令方式編寫TensorFlow 程式碼的 API，就像使用 NumPy 一樣。
-
Estimator：一個高階 API，可以提供已準備好執行大規模訓練和生產的完全打包的模型。
-
匯入資料：簡單的輸入管道，用於將您的資料匯入TensorFlow 程式。
Estimator
-
Estimator：瞭解如何將 Estimator 用於機器學習。
-
預建立的 Estimator：預建立的 Estimator 的基礎知識。
-
檢查點：儲存訓練進度並從您停下的地方繼續。
-
特徵列：在不對模型做出更改的情況下處理各種型別的輸入資料。
-
Estimator 的資料集：使用 tf.data 輸入資料。
-
建立自定義 Estimator：編寫自己的 Estimator。
加速器
-
使用 GPU：介紹了TensorFlow 如何將操作分配給裝置，以及如何手動更改此類分配。
-
使用 TPU：介紹瞭如何修改 Estimator 程式以便在 TPU 上執行。
低階 API
-
簡介：介紹瞭如何使用高階 API 之外的低階TensorFlow API 的基礎知識。
-
張量：介紹瞭如何建立、操作和訪問張量（TensorFlow 中的基本物件）。
-
變數：詳細介紹瞭如何在程式中表示共享持久狀態。
-
資料流圖：這是TensorFlow 將計算表示為操作之間的依賴關係的一種表示法。
-
會話：TensorFlow 跨一個或多個本地或遠端裝置執行資料流圖的機制。如果您使用低階TensorFlow API 程式設計，請務必閱讀並理解本單元的內容。如果您使用高階TensorFlow API（例如 Estimator 或 Keras）程式設計，則高階 API 會為您建立和管理圖和會話，但是理解圖和會話依然對您有所幫助。
-
儲存和恢復：介紹瞭如何儲存和恢復變數及模型。