TensorFlow-从零到一

TensorFlow 从0到1学习资料大全，含入门指南、在线博客、视频教程、书籍推荐和实战项目等

注：♥ 表示推荐指数，越多越好

TensorFlow 参考学习资料

TensorFlow入门指南

TensorFlow如何入门

TensorFlow topic

TensorFlow-Roadmap Documentation：强推！TensorFlow学习路线图

awesome-tensorflow：TensorFlow - A curated list of dedicated resources

awesome-tensorflow-2：Tensorflow 2.x resources such as tutorial, blog, code and videos

Master your path(TensorFlow curriculums)：The four areas of machine learning education

官网&社区

国外

• （♥♥♥♥♥）TensorFlow官网
• （♥♥♥♥♥）GitHub：TensorFlow
• （♥♥♥♥）Medium：TensorFlow：官方维护，分享最佳干货文章
• （♥♥♥♥）Twitter：TensorFlow：官方维护，分享最快动态
• （♥♥♥♥）Youtube：TensorFlow：官方维护，分享最新视频
• TensorFlow Js官网

国内

• （♥♥♥♥♥）TensorFlow官网(中国域名) 便于不能科学上网的人
• （♥♥♥）TensorFlow中文社区：官方和才云科技（TensorFlow 中国社区合作伙伴）联合发起
• TensorFlow 中文文档（掘金翻译计划）最新
• TensorFlow 中文文档（极客学院翻译）

在线教程

英文

• （♥♥♥♥♥）tf2_course：第一个TensorFlow2.x系列教程（作者是巨佬）
• （♥♥♥♥♥）TensorFlow-Examples：TensorFlow Tutorial and Examples for Beginners with Latest APIs
• （♥♥♥♥♥）TensorFlow-Course：Simple and ready-to-use tutorials for TensorFlow
• （♥♥♥♥）TensorFlow2.0-Examples：TensorFlow2 教程（代码实战为主）
• （♥♥♥♥）Deep Learning with Tensorflow 2.0
• （♥♥♥♥）EffectiveTensorflow：TensorFlow tutorials and best practices
• （♥♥♥♥）TensorFlow-Cookbook：Simple Tensorflow Cookbook for easy-to-use
• （♥♥♥） Tensorflow2-Cookbook
• （♥♥♥）TensorFlow-Tutorials：TensorFlow Tutorials with YouTube Videos

中文

• （♥♥♥♥♥）TensoFlow2中文教程：TensorFlow2中文教程（代码实战为主）
• （♥♥♥♥）Dive-into-DL-TensorFlow2.0：TensorFlow2.0版本的《动手学深度学习》
• （♥♥♥♥）《30天吃掉那只 TensorFlow2.0 》
• （♥♥♥）TensorFlow-Tutorials-Chinese：TensorFlow 中文教程 (Chinese Tutorials)

视频教程

国外

• （♥♥♥♥♥）TensorFlow 2.0 Tutorials for Beginners

• （♥♥♥♥♥）Deep Learning basics with Python, TensorFlow and Keras 网址

• （♥♥♥♥♥）TensorFlow-Tutorials：TensorFlow Tutorials with YouTube Videos

• **（♥♥♥♥）**Stanford CS 20SI: Tensorflow for Deep Learning Research (斯坦福TensorFlow教程)

  • 官网：CS20SI
  • GitHub(stanford-tensorflow-tutorials)
  • B站视频

• （♥♥♥）（在学ing）Google 机器学习速成课程：该课程虽然为Machine Learning，但代码全使用TensorFlow，有实战意义

• Udacity ：优达学城TensorFlow教程

国内

• 莫烦TensorFlow教程 TensorFlow-Tutorial

书籍资源

国外

• （♥♥♥♥♥）（在学ing）Hands-on Machine Learning with Scikit-Learn, Keras, and TensorFlow, 2nd Edition
• （♥♥♥♥）Hands-On Machine Learning with Scikit-Learn and TensorFlow 中文翻译
• （♥♥♥）TensorFlow Machine Learning Cookbook
• （♥♥♥）Advanced Deep Learning with TensorFlow 2 and Keras 代码
• TensorFlow 1.x Deep Learning Cookbook
• TensorFlow-Book：Accompanying source code for 《Machine Learning with TensorFlow》

国内

• 国内的书都不是很推荐，还是看英文吧

实战项目

• （♥♥♥♥♥）TensorFlow/models：Models and examples built with TensorFlow
• tensorboard
• TensorLayer
• Basic_CNNs_TensorFlow2
• DCGAN-tensorflow
• facenet
• FastMaskRCNN
• SSD-TensorFlow
• CapsNet-Tensorflow
• tensorflow2-generative-models
• tensorflow-generative-model-collections
• tensorflow_poems

TensorFlow 从 0 到 1 快速上手指南

本指南基于 TensorFlow-From-Zero-To-One 资源库整理，旨在帮助中国开发者快速搭建环境并运行第一个 TensorFlow 程序。

1. 环境准备

在开始之前，请确保您的开发环境满足以下基本要求：

• 操作系统：Windows 10/11, macOS (Intel/Apple Silicon), 或 Linux (Ubuntu 18.04+)。
• Python 版本：推荐安装 Python 3.8 - 3.11。
  • 注意：过高版本的 Python 可能导致部分深度学习库兼容性问题。
• 硬件加速（可选但推荐）：
  • 若需使用 GPU 加速，请确保已安装对应的 NVIDIA 显卡驱动、CUDA Toolkit 和 cuDNN。
  • 对于初学者，建议先使用 CPU 版本入门，或使用 Google Colab / Kaggle 等云端免费 GPU 环境。
• 包管理工具：推荐使用 pip 或 conda。

2. 安装步骤

方案 A：使用国内镜像源安装（推荐）

为了获得更快的下载速度，建议使用清华大学或阿里云镜像源进行安装。

使用 pip 安装（CPU 版本）：

pip install tensorflow -i https://pypi.tuna.tsinghua.edu.cn/simple

使用 pip 安装（GPU 版本，需提前配置好 CUDA 环境）：

pip install tensorflow-gpu -i https://pypi.tuna.tsinghua.edu.cn/simple

使用 conda 安装：

conda install tensorflow -c conda-forge

方案 B：官方标准安装

pip install tensorflow

验证安装

在终端或命令行中输入以下命令，若无报错且输出版本号，则安装成功：

python -c "import tensorflow as tf; print(tf.__version__)"

3. 基本使用

以下是一个最简单的示例：构建一个线性回归模型，展示 TensorFlow 2.x 的核心流程（基于 Keras API）。

代码示例 (hello_tf.py)

import tensorflow as tf
import numpy as np

# 1. 准备数据 (模拟 y = 2x - 1)
x_train = np.array([-1.0, 0.0, 1.0, 2.0, 3.0, 4.0], dtype=float)
y_train = np.array([-3.0, -1.0, 1.0, 3.0, 5.0, 7.0], dtype=float)

# 2. 构建模型 (单层神经网络)
model = tf.keras.Sequential([
    tf.keras.layers.Dense(units=1, input_shape=[1])
])

# 3. 编译模型 (设置优化器和损失函数)
model.compile(optimizer='sgd', loss='mean_squared_error')

# 4. 训练模型 (迭代 500 次)
print("开始训练...")
model.fit(x_train, y_train, epochs=500, verbose=0)
print("训练完成！")

# 5. 预测结果 (输入 x=10, 理论输出应为 19)
prediction = model.predict(np.array([10.0]))
print(f"当 x=10 时，预测结果 y ≈ {prediction[0][0]:.2f}")

运行结果预期

程序将输出训练过程（静默模式），最后打印出预测值。由于是机器学习模型，结果会非常接近 19.00。

---

下一步学习建议： 环境搭建完成后，建议参考资源库中的 TensorFlow2 中文教程 或 《30 天吃掉那只 TensorFlow2.0》 进行系统的代码实战学习。