2. TensorFlow官方Python API文档地址：
https://www.tensorflow.org/api_docs/python。其中包括TensorFlow所有函数、对象和方法的文档和例子。本书当前的TensorFlow版本为r0.8。
3. TensorFlow官方用例相当详细，访问网址： https://www.tensorflow.org/tutorials/index.html。包括图像识别模型、Word2Vec、RNN模型和sequence-to-sequence模型，也有些偏微分方程的例子。后续还会不断增加更多实例。
4. TensorFlow官方GitHub仓库： https://github.com/tensorflow/tensorflow。你可以查看源代码，甚至包含fork或者clone最新代码。也可以看到最近的issue。
5. TensorFlow在Dockerhub上维护的公开Docker镜像，网址为 https://hub.docker.com/r/tensorflow/tensorflow/。
6. TensorFlow提供可下载的虚拟机，基于Ubuntu 15.04操作系统安装TensorFlow。这样对于Windows PC用户更容易使用TensorFlow的UNIX版本。
7. Stack Overf low上有TensorFlow标签的知识问答。随着TensorFlow日益流行，这个标签下的问答在不断增长，访问网址为： http://stackoverflow.com/questions/tagged/TensorFlow。
8. TensorFlow非常灵活，应用场景广，最常用的是深度学习。为了理解深度学习的基础，数学知识和深度学习开发，Google在在线课程Udacity上开课，网址为： https://www.udacity.com/course/deep-learning--ud730。
9. TensorFlow也提供一个网站，让你可以可视化查看随着参数和样本数据集的变化对训练神经网络的影响，网址为： http://playground.tensorflow.org。
10．深度学习开山祖师爷Geoffrey Hinton在Coursera上开课教授“机器学习中的神经网络”，网址为： https://www.coursera.org/learn/neural-networks。
11．斯坦福大学提供在线课程“图像识别中卷积神经网络”及其详细的课件，网址为： http://cs231n.stanford.edu/。
3. TensorFlow官方用例相当详细，访问网址： https://www.tensorflow.org/tutorials/index.html。包括图像识别模型、Word2Vec、RNN模型和sequence-to-sequence模型，也有些偏微分方程的例子。后续还会不断增加更多实例。
4. TensorFlow官方GitHub仓库： https://github.com/tensorflow/tensorflow。你可以查看源代码，甚至包含fork或者clone最新代码。也可以看到最近的issue。
5. TensorFlow在Dockerhub上维护的公开Docker镜像，网址为 https://hub.docker.com/r/tensorflow/tensorflow/。
6. TensorFlow提供可下载的虚拟机，基于Ubuntu 15.04操作系统安装TensorFlow。这样对于Windows PC用户更容易使用TensorFlow的UNIX版本。
7. Stack Overf low上有TensorFlow标签的知识问答。随着TensorFlow日益流行，这个标签下的问答在不断增长，访问网址为： http://stackoverflow.com/questions/tagged/TensorFlow。
8. TensorFlow非常灵活，应用场景广，最常用的是深度学习。为了理解深度学习的基础，数学知识和深度学习开发，Google在在线课程Udacity上开课，网址为： https://www.udacity.com/course/deep-learning--ud730。
9. TensorFlow也提供一个网站，让你可以可视化查看随着参数和样本数据集的变化对训练神经网络的影响，网址为： http://playground.tensorflow.org。
10．深度学习开山祖师爷Geoffrey Hinton在Coursera上开课教授“机器学习中的神经网络”，网址为： https://www.coursera.org/learn/neural-networks。
11．斯坦福大学提供在线课程“图像识别中卷积神经网络”及其详细的课件，网址为： http://cs231n.stanford.edu/。
TensorFlow学习资料
1. TensorFlow机器学习实战指南一书代码可在GitHub获取
https://github.com/nfmcclure/tensorflow_cookbook
2. TensorFlow官方Python API文档地址： https://www.tensorflow.org/api_docs/python。其中包括TensorFlow所有函数、对象和方法的文档和例子。本书当前的TensorFlow版本为r0.8。
3. TensorFlow官方用例相当详细，访问网址： https://www.tensorflow.org/tutorials/index.html。包括图像识别模型、Word2Vec、RNN模型和sequence-to-sequence模型，也有些偏微分方程的例子。后续还会不断增加更多实例。
4. TensorFlow官方GitHub仓库： https://github.com/tensorflow/tensorflow。你可以查看源代码，甚至包含fork或者clone最新代码。也可以看到最近的issue。
5. TensorFlow在Dockerhub上维护的公开Docker镜像，网址为 https://hub.docker.com/r/tensorflow/tensorflow/。
6. TensorFlow提供可下载的虚拟机，基于Ubuntu 15.04操作系统安装TensorFlow。这样对于Windows PC用户更容易使用TensorFlow的UNIX版本。
7. Stack Overf low上有TensorFlow标签的知识问答。随着TensorFlow日益流行，这个标签下的问答在不断增长，访问网址为： http://stackoverflow.com/questions/tagged/TensorFlow。
8. TensorFlow非常灵活，应用场景广，最常用的是深度学习。为了理解深度学习的基础，数学知识和深度学习开发，Google在在线课程Udacity上开课，网址为： https://www.udacity.com/course/deep-learning--ud730。
9. TensorFlow也提供一个网站，让你可以可视化查看随着参数和样本数据集的变化对训练神经网络的影响，网址为： http://playground.tensorflow.org。
10．深度学习开山祖师爷Geoffrey Hinton在Coursera上开课教授“机器学习中的神经网络”，网址为： https://www.coursera.org/learn/neural-networks。
11．斯坦福大学提供在线课程“图像识别中卷积神经网络”及其详细的课件，网址为： http://cs231n.stanford.edu/。
2. TensorFlow官方Python API文档地址： https://www.tensorflow.org/api_docs/python。其中包括TensorFlow所有函数、对象和方法的文档和例子。本书当前的TensorFlow版本为r0.8。
3. TensorFlow官方用例相当详细，访问网址： https://www.tensorflow.org/tutorials/index.html。包括图像识别模型、Word2Vec、RNN模型和sequence-to-sequence模型，也有些偏微分方程的例子。后续还会不断增加更多实例。
4. TensorFlow官方GitHub仓库： https://github.com/tensorflow/tensorflow。你可以查看源代码，甚至包含fork或者clone最新代码。也可以看到最近的issue。
5. TensorFlow在Dockerhub上维护的公开Docker镜像，网址为 https://hub.docker.com/r/tensorflow/tensorflow/。
6. TensorFlow提供可下载的虚拟机，基于Ubuntu 15.04操作系统安装TensorFlow。这样对于Windows PC用户更容易使用TensorFlow的UNIX版本。
7. Stack Overf low上有TensorFlow标签的知识问答。随着TensorFlow日益流行，这个标签下的问答在不断增长，访问网址为： http://stackoverflow.com/questions/tagged/TensorFlow。
8. TensorFlow非常灵活，应用场景广，最常用的是深度学习。为了理解深度学习的基础，数学知识和深度学习开发，Google在在线课程Udacity上开课，网址为： https://www.udacity.com/course/deep-learning--ud730。
9. TensorFlow也提供一个网站，让你可以可视化查看随着参数和样本数据集的变化对训练神经网络的影响，网址为： http://playground.tensorflow.org。
10．深度学习开山祖师爷Geoffrey Hinton在Coursera上开课教授“机器学习中的神经网络”，网址为： https://www.coursera.org/learn/neural-networks。
11．斯坦福大学提供在线课程“图像识别中卷积神经网络”及其详细的课件，网址为： http://cs231n.stanford.edu/。