TensorFlow 指南
本单元中的文档深入介绍了 TensorFlow 的工作原理。这些单元包括：
高阶 API
- Keras，用于构建和训练深度学习模型的 TensorFlow 高阶 API。
- Eager Execution，一个以命令方式编写 TensorFlow 代码的 API，就像使用 NumPy 一样。
- Estimator，一个高阶 API，可以提供已准备好执行大规模训练和生产的完全打包的模型。
- 导入数据，简单的输入管道，用于将您的数据导入 TensorFlow 程序。
Estimator
- Estimator，了解如何将 Estimator 用于机器学习。
- 预创建的 Estimator，预创建的 Estimator 的基础知识。
- 检查点，保存训练进度并从您停下的地方继续。
- 特征列，在不对模型做出更改的情况下处理各种类型的输入数据。
- Estimator 的数据集，使用
tf.data输入数据。 - 创建自定义 Estimator，编写自己的 Estimator。
加速器
- 使用 GPU - 介绍了 TensorFlow 如何将操作分配给设备，以及如何手动更改此类分配。
- 使用 TPU - 介绍了如何修改
Estimator程序以便在 TPU 上运行。
低阶 API
- 简介 - 介绍了如何使用高阶 API 之外的低阶 TensorFlow API 的基础知识。
- 张量 - 介绍了如何创建、操作和访问张量（TensorFlow 中的基本对象）。
- 变量 - 详细介绍了如何在程序中表示共享持久状态。
- 图和会话 - 介绍了以下内容：
- 数据流图：这是 TensorFlow 将计算表示为操作之间的依赖关系的一种表示法。
- 会话：TensorFlow 跨一个或多个本地或远程设备运行数据流图的机制。如果您使用低阶 TensorFlow API 编程，请务必阅读并理解本单元的内容。如果您使用高阶 TensorFlow API（例如 Estimator 或 Keras）编程，则高阶 API 会为您创建和管理图和会话，但是理解图和会话依然对您有所帮助。
- 保存和恢复 - 介绍了如何保存和恢复变量及模型。
机器学习概念
- 嵌入 - 介绍了“嵌入”这一概念，并且举了一个简单的例子来说明如何在 TensorFlow 中训练嵌入，此外还说明了如何使用 TensorBoard Embedding Projector 查看嵌入。
调试
- TensorFlow 调试程序 - 介绍了如何使用 TensorFlow 调试程序 (tfdbg)。
TensorBoard
TensorBoard 是一款实用工具，能够直观地展示机器学习的各个不同方面。以下指南介绍了如何使用 TensorBoard：
- TensorBoard：可视化学习过程 - 介绍了 TensorBoard。
- TensorBoard：图的可视化 - 介绍了如何可视化计算图。
- TensorBoard 直方图信息中心 - 演示了如何使用 TensorBoard 的直方图信息中心。
其他
- TensorFlow 版本兼容性 - 介绍了向后兼容性保证及无保证内容。
- 常见问题解答 - 包含关于 TensorFlow 的常见问题解答。