TensorFlow 教程编写为 Jupyter Notebook，可直接在 Google Colab 中运行——这是一种无需配置的托管式 Notebook 环境。在每个教程的顶部，您会看到一个在 Google Colab 中运行按钮。点击该按钮即可打开 Notebook 并亲自运行代码。

面向初学者

最好的起点是使用用户友好的 Keras 序列 API。通过插入构建块来构建模型。学习完这些教程后，请阅读 Keras 指南。
这个“Hello, World!” Notebook 展示了 Keras 序列 API 和 model.fit。
这个 Notebook 合集演示了使用 Keras 进行的基础机器学习任务。
这些教程使用 tf.data 加载各种数据格式并构建输入流水线。

面向专家

Keras 函数式和子类化 API 提供了用于自定义和高级研究的“运行即定义”接口。构建模型，然后编写前向和后向传播。创建自定义层、激活函数和训练循环。
这个“Hello, World!” Notebook 使用了 Keras 子类化 API 和自定义训练循环。
这个 Notebook 合集展示了如何在 TensorFlow 中构建自定义层和训练循环。
将模型训练分布到多个 GPU、多台机器或 TPU 上。
“进阶”部分有很多具有指导意义的 Notebook 示例，包括神经机器翻译、Transformer 和 CycleGAN。

视频教程

观看这些视频，了解如何使用 TensorFlow 进行机器学习

库与扩展

探索库以使用 TensorFlow 构建高级模型或方法，并访问扩展 TensorFlow 的领域特定应用包。这是这些项目中可用教程的示例。

TensorFlow 更新

订阅 TensorFlow 博客、YouTube 频道和 Twitter，获取最新动态。