Tensorflow学习路线

一、Tensorflow入门

一）、环境配置
二）、python基础语法
三）、Tensorflow基本概念的理解
四）、Tensorflow框架和源码分析

二、Tensorflow进阶

一）、Tensorflow可视化工具
二）、python机械学习相关的库
三）、Tensorflow与其他深度学习框架的协作

1、Keras介绍
    1）、Keras 是一个高级的Python神经网络框架，已经被添加到TensorFlow中，成为其默认的框架，为TensoFlow提供更高级的API。
        2）、如果同学不想了解TensorFlow的细节，只需要模块化，那么Keras是一个不错的选择，他作为TensorFlow的高层封装，可以与Tensorflow联合使用，用来快速搭建原型。
        3）、Keras兼容两种后端，即Theano和TensorFlow，并且其接口形式和Torch有几分相像。掌握Keras可以大幅提升对开发效率和网络结构的理解。
2、scikit-learn（sklearn）
        是构建在NumPy、Matplotlib等工具之上的一套完整的机器学习工具库。在该库中封装了多种常用的分类、回归、聚类、数据降维、数据预测处理等算法，scikit-learn的接口设计合理易用，以至于Tensorflow出现后，很多项目都是仿照scikit-learn的接口对Tensorflow进行了二次封装，使接口简洁易懂；

四）、Tensorflow相关的神经网络的学习和使用

三、Tensorflow深入

一）、使用Tensorflow进行图片处理
二）、使用Tensorflow进行视频处理
三）、使用Tensorflow进行自然语言处理
四）、使用Tensorflow进行语音处理处理