机器学习是目前计算机领域最热门的事情。从自动驾驶汽车到执法部门，再到股市预测，这项技术被广泛应用的原因很容易理解。

TensorFlow是谷歌基于机器学习和神经网络的项目。让我们看看它是什么，它的用途，以及如何学习使用它。

什么是张量流(tensorflow)？

如果不首先理解什么是机器学习，就不可能完全解释什么是张量流。机器学习和神经网络已经以比你想象的更多的方式影响了我们的生活。

最简单的说，机器学习就是教计算机如何分析数据并做出明智的决定，而不需要直接编程。为此，我们训练神经网络来执行特定的任务。

TensorFlow是谷歌的开源神经网络库，由谷歌大脑团队开发，用途广泛。本质上，TensorFlow消除了从头开始创建神经网络的需要。相反，您可以使用数据集训练TensorFlow，并根据需要使用结果。

到目前为止，还很抽象。你能用神经网络做什么？结果，几乎什么都有！

值得注意的tensorflow示例

图像分类

许多初学者的机器学习教程使用图像分类作为一个早期的例子项目，以帮助理解。通过将参考图像输入神经网络，可以学习预测图像是否包含相似的对象。

要了解这个过程的实际情况，请看Siraj Raval的5分钟达斯维德分类器。

这种计算机辅助的数据筛选功能不仅对定位野生达斯维德犬非常强大。张量流已经在生物医学图像分析中得到应用。

几乎所有依赖于大量图像数据分析的领域都能从这项技术中获益。正如官方的TensorFlow介绍视频中所示，它被用来简化濒临灭绝的杜功的保护工作。

深度照片风格转移

与图像分类一样，TensorFlow也可以用来动态改变图像。深度摄影风格的转移是由康奈尔大学的一个小组共同完成的。在将样式应用于原始图像之前，该项目将获取一个输入图像和一个样式图像，并获得惊人的结果。

这些示例使用自动化和手动实现的图像分层的混合，因此如果您想掌握它，在深入了解库之前，可能需要先了解一下Photoshop的技能。

品红色ai音乐

我们对用电脑创造美丽的艺术品并不陌生。计算机以我们认为可识别的方式展示创造力的想法，一直是科幻小说的梦想。有了像TensorFlow这样的神经网络库，它比以往任何时候都更接近。

洋红使用TensorFlow为音乐家创建工具。通过深度学习，洋红扩展了音乐家可以使用的工具，以打开新的声音混合，甚至机器辅助的即兴呼叫和响应。

洋红本身也可用作智能音序器。使用外部库的能力是CodePen的许多奇妙特性之一。Tero Parviainen使用洋红.js图书馆创造了他美丽的笔。

通过将神经网络生成的即兴循环相邻设置，潜在循环允许任何人在没有音乐知识的情况下创造独特而优美的声音。

如何学习张量流

机器学习是一门极其密集的学科。掌握统计学、数学、程序设计和一般数据科学都是理解的核心。也就是说，即使是初学者，TensorFlow也很容易获得实践经验。官方的TensorFlow教程采用一步一步的方法进行设置和使用。

大多数TensorFlow项目使用Python编程语言。如果你是新来的语言，有大量的伟大的地方学习Python。如果您已经比较熟悉JavaScript，那么TensorFlow有教程视频介绍TensorFlow.js公司图书馆。

这些教程，连同谷歌的免费机器学习课程，是一个宝贵的资源，从图书馆的供应商。

其他tensorflow教程

对于TensorFlow和图像分类器的快速介绍，Siraj Raval有一个5分钟的介绍。

这是Siraj的YouTube频道上许多关于机器学习的视频之一。在像这样的超高速视频和采用一步一步方法的longlivestreams之间，这是一个学习Python中的TensorFlow和机器学习的好地方。

专注于JavaScript和Tensorflow.js公司，编码序列提供了另一种全尺寸方法：

主持人danielshiffman介绍了TensorFlow的各种用例，他的机器学习系列是关于这个主题的最好的免费课程之一。

初学者项目：实时目标检测

本项目采用活目标识别技术控制自动垃圾分拣机。硬件似乎是树莓Pi的替代品，尽管理论上任何微控制器都可以使用。实际工作是使用OpenCV和张量流的混合体来完成。

视频中的项目没有附加教程。Dat Tran的优秀OpenCV和TensorFlow文章使用相同的库，清楚地解释了每个元素。作为一个使用TensorFlow库的简单的小规模想法，这个规模的项目是开始的最佳方式。

进一步推进机器学习

TensorFlow是一个非常强大的工具，可以说是互联网上最重要的公司。决定让它开源是一件大事，因为它向我们所有人开放。

也就是说，机器学习是一门极其密集的学科。为了充分利用TensorFlow，花一些时间学习机器学习在线课程是值得的。